Bayesian methodsBayesian / computational
欠損値を含むMCMC (MCMC with missing data)
欠損値を含むMCMCは、観測されていない値を未知の追加パラメータとして扱うベイジアン計算戦略である。欠損値を予測分布からサンプリングすることと、モデルパラメータを事後分布からサンプリングすることとを交互に行うことで、アルゴリズムは欠損によって導入された不確実性を完全に考慮した、有効な同時事後分布を生成する。
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。
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
出典
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/ja/bayesian/mcmc-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.
- 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
- Gibbs Samplingベイズ↔ compare
- ハミルトニアンモンテカルロベイズ↔ compare
- メトロポリス・ヘイスティングス法ベイズ↔ compare
- Multiple Imputation統計学↔ compare