Bayesian methodsBayesian / computational
測定誤差を伴うMCMC
測定誤差を伴うMCMC（MCMC with measurement error）は、共変量または結果が誤差を伴って観測されるという事実を明示的に考慮するベイズモデルに、マルコフ連鎖モンテカルロサンプリングを適用する手法である。真の未観測値を潜在変数として扱い、他のすべてのパラメータとともにそれらの同時事後分布をサンプリングすることで、この方法は減衰バイアスを補正し、一部の変数を正確に測定できない場合でも妥当な推論を生成する。
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。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
他 1 件
出典
- Carroll, R. J., Ruppert, D., Stefanski, L. A. & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman & Hall/CRC. ISBN: 978-1584886334
- Richardson, S. & Gilks, W. R. (1993). A Bayesian approach to measurement error problems in epidemiology using conditional independence models. American Journal of Epidemiology, 138(6), 430-442. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Measurement Error Models. ScholarGate. https://scholargate.app/ja/bayesian/mcmc-with-measurement-error
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- 測定誤差を伴うベイズ推論ベイズ↔ 比較
- ベイズ回帰ベイズ↔ 比較
- Gibbs Samplingベイズ↔ 比較
- 階層ベイズ推論ベイズ↔ 比較
- マルコフ連鎖モンテカルロ法 (MCMC)ベイズ↔ 比較
- 測定誤差を伴うMetropolis-Hastings法ベイズ↔ 比較