Bayesian methodsBayesian / computational
결측치가 있는 깁스 샘플링
결측치가 있는 깁스 샘플링은 관찰되지 않은 값을 모델 매개변수와 함께 추가적인 미지수로 취급하고 마르코프 연쇄 몬테카를로(Markov chain Monte Carlo) 루프 내에서 이들을 모두 함께 샘플링합니다. 이 방법은 매개변수가 주어졌을 때 결측치를 해당 조건부 분포로부터 추출하는 단계와 완료된 데이터가 주어졌을 때 매개변수를 해당 조건부 분포로부터 추출하는 단계를 번갈아 수행하여 두 가지 모두에 대한 사후 분포를 동시에 생성합니다.
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.
+2 more
출처
- 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 ↗
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
이 페이지 인용 방법
ScholarGate. (2026, June 3). Gibbs Sampling with Missing Data Imputation. ScholarGate. https://scholargate.app/ko/bayesian/gibbs-sampling-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.
- 결측값이 있는 베이즈 계층 모델베이지안↔ compare
- 결측 데이터가 있는 베이즈 추론베이지안↔ compare
- 데이터 증강 (Data Augmentation)딥러닝↔ compare
- 깁스 샘플링(Gibbs Sampling)베이지안↔ compare
- 결측치가 있는 MCMC베이지안↔ compare
- Multiple Imputation통계학↔ compare