Bayesian methodsBayesian / computational
測定誤差を伴うMetropolis-Hastings法
測定誤差を伴うMetropolis-Hastings法は、予測変数または結果がノイズを伴って記録される場合に、モデルパラメータと真の（観測されない）共変量値を共同で推定するベイズMCMCアプローチです。潜在的な真の値を未知のパラメータとして扱うことで、測定の不確実性を無視したり、事後的に修正したりするのではなく、事後推論に完全に伝播させます。
MethodMindで開く近日公開Apply, compare, get guidance
Tools & resources
Learn & explore
動画近日公開
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。
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 and Hall/CRC. ISBN: 978-1584886334
- Richardson, S., & Green, P. J. (1997). On Bayesian analysis of mixtures with an unknown number of components. Journal of the Royal Statistical Society: Series B, 59(4), 731-792. DOI: 10.1111/1467-9868.00095 ↗
このページの引用方法
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Errors-in-Variables Models. ScholarGate. https://scholargate.app/ja/bayesian/metropolis-hastings-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。
並べて比較する →この手法を参照する項目
Similar methods
MCMC with Measurement ErrorBayesian Inference with Measurement ErrorGibbs Sampling with Measurement ErrorHamiltonian Monte Carlo with Measurement ErrorVariational Inference with Measurement ErrorBayesian Model Averaging with Measurement ErrorMetropolis-Hastings with Missing DataBayesian Network with Measurement Error