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.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Wood, S. N. (2017). Generalized Additive Models: An Introduction with R (2nd ed.). CRC Press. ISBN: 9781498728331
- 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.
- Modello Lineare Generalizzato BayesianoStatistica↔ compare
- Modello Bayesiano a Effetti MistiStatistica↔ compare
- Regressione Lineare Multipla BayesianaStatistica↔ compare
- Modello Additivo Generalizzato (GAM)Apprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →