Bayesian methodsBayesian / computational
결측치가 있는 베이지안 모델 평균화
결측치가 있는 베이지안 모델 평균화(BMA-MD)는 두 가지 불확실성, 즉 어떤 모델이 데이터를 가장 잘 설명하는지, 그리고 관찰되지 않은 값은 무엇인지에 대한 불확실성을 동시에 다룬다. 단일 대체 데이터셋과 단일 모델을 선택하는 대신, 이 접근법은 후보 모델의 전체 공간과 결측값의 가능한 완성본에 걸쳐 예측을 평균화하여 모든 추정치와 예측에 두 가지 불확실성을 전파한다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Hoeting, J. A., Madigan, D., Raftery, A. E. & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-417. link ↗
- Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons, New York. ISBN: 978-0471655749
이 페이지 인용 방법
ScholarGate. (2026, June 3). Bayesian Model Averaging with Missing Data. ScholarGate. https://scholargate.app/ko/bayesian/bayesian-model-averaging-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.
- 누락 데이터가 있는 근사 베이즈 계산 (Approximate Bayesian Computation with Missing Data)베이지안↔ compare
- 결측값이 있는 베이즈 계층 모델베이지안↔ compare
- 결측 데이터가 있는 베이즈 추론베이지안↔ compare
- Bayesian Model Averaging베이지안↔ compare
- Multiple Imputation통계학↔ compare
- 결측 데이터가 있는 순차 몬테카를로베이지안↔ compare