Modello Probit Bayesiano
Il modello Probit Bayesiano è un metodo di regressione binaria che modella la probabilità di un esito binario utilizzando la CDF normale (link probit) all'interno di un quadro Bayesiano. Assegna distribuzioni a priori ai coefficienti di regressione e le aggiorna con i dati osservati, producendo una distribuzione a posteriori completa anziché una singola stima puntuale. L'algoritmo di aumento dei dati di Albert-Chib rende il campionamento a posteriori computazionalmente efficiente tramite campionamento di Gibbs.
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
- Albert, J. H., & Chib, S. (1993). Bayesian analysis of binary and polychotomous response data. Journal of the American Statistical Association, 88(422), 669-679. DOI: 10.1080/01621459.1993.10476321 ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Probit Regression Model. ScholarGate. https://scholargate.app/it/statistics/bayesian-probit-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
- Regressione logistica bayesianaBayesiano↔ compare
- Regressione Logistica Multinomiale BayesianaStatistica↔ compare
- Regressione Logistica Ordinale BayesianaStatistica↔ compare
- Regressione LogisticaStatistica per la ricerca↔ compare
- Modello Probit di RegressioneEconometria↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →