Bayesian methodsBayesian / computational
欠損値を有するギブスサンプリング
欠損値を有するギブスサンプリングは、観測されていない値をモデルパラメータと並ぶ追加の未知数として扱い、マルコフ連鎖モンテカルロループ内でそれらすべてを同時にサンプリングする。この手法は、パラメータを与えられた条件付き分布から欠損値を抽出し、完了したデータを与えられた条件付き分布からパラメータを抽出することを交互に行い、両方の事後分布を同時に生成する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
出典
- Tanner, M. A. & Wong, W. H. (1987). The calculation of posterior distributions by data augmentation. Journal of the American Statistical Association, 82(398), 528–540. DOI: 10.1080/01621459.1987.10478458 ↗
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
このページの引用方法
ScholarGate. (2026, June 3). Gibbs Sampling with Missing Data Imputation. ScholarGate. https://scholargate.app/ja/bayesian/gibbs-sampling-with-missing-data
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.
- 欠損値を有するベイズ階層モデルベイズ↔ compare
- 欠損値を含むベイズ推論ベイズ↔ compare
- データ拡張（Data Augmentation）深層学習↔ compare
- Gibbs Samplingベイズ↔ compare
- 欠損値を含むMCMC (MCMC with missing data)ベイズ↔ compare
- Multiple Imputation統計学↔ compare