ScholarGate
Assistente
Regression modelRegression / GLM

Il Modello Additivo Generalizzato Bayesiano (Bayesian GAM)

I Modelli Additivi Generalizzati Bayesiani estendono il framework frequentista GAM ponendo distribuzioni a priori sulle funzioni lisce e su eventuali parametri aggiuntivi del modello. Ciò produce distribuzioni a posteriori complete su ciascun effetto liscio, consentendo una quantificazione dell'incertezza basata su principi, una selezione automatica della levigatezza tramite iper-prior e un'integrazione senza soluzione di continuità con strutture gerarchiche o a effetti misti.

Applica con StatMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Fonti

  1. Wood, S. N. (2017). Generalized Additive Models: An Introduction with R (2nd ed.). CRC Press. ISBN: 9781498728331
  2. Bürkner, P.-C. (2017). brms: An R Package for Bayesian Multilevel Models Using Stan. Journal of Statistical Software, 80(1), 1–28. DOI: 10.18637/jss.v080.i01

Come citare questa pagina

ScholarGate. (2026, June 3). Bayesian Generalized Additive Model. ScholarGate. https://scholargate.app/it/statistics/bayesian-generalized-additive-model

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateBayesian Generalized additive model (Bayesian Generalized Additive Model). Consultato il 2026-06-15 da https://scholargate.app/it/statistics/bayesian-generalized-additive-model · Insieme di dati: https://doi.org/10.5281/zenodo.20539026