Bayesian methodsBayesian / computational
欠損データを含むハミルトニアン・モンテカルロ法
欠損データを含むハミルトニアン・モンテカルロ法（Hamiltonian Monte Carlo with missing data）は、勾配ベースのHMCサンプラーを、欠損値を付加的な未知のパラメータとして扱うことで、不完全な観測を処理できるように拡張したものである。モデルパラメータと欠損値に対する事後分布を、効率的な単一パスで同時にサンプリングし、勾配情報を活用して、ランダムウォーク型MCMCよりもはるかに少ない却下された提案で高次元の同時空間を探索する。
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.
出典
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. Jones & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 113-162). CRC Press. ISBN: 978-1420079418
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. Chapter 18: Missing-data imputation. ISBN: 978-1439840955
このページの引用方法
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo with Missing Data Imputation. ScholarGate. https://scholargate.app/ja/bayesian/hamiltonian-monte-carlo-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.
- 欠損値を含むベイズ推論ベイズ↔ compare
- 欠損値を有するギブスサンプリングベイズ↔ compare
- ハミルトニアンモンテカルロベイズ↔ compare
- 欠損値を含むMCMC (MCMC with missing data)ベイズ↔ compare
- Multiple Imputation統計学↔ compare
- 欠損データを含む変分推論ベイズ↔ compare