Bayesian methodsBayesian / computational
MCMC with Measurement Error
MCMC with measurement error는 공변량이나 결과 변수가 오차를 가지고 관측된다는 사실을 명시적으로 고려하는 베이즈 모델에 마르코프 연쇄 몬테카를로 샘플링을 적용하는 방법입니다. 참값, 즉 관측되지 않은 값을 잠재 변수로 취급하고 모든 다른 모수와 함께 그들의 결합 사후 분포를 샘플링함으로써, 이 방법은 감쇠 편향을 보정하고 변수 중 일부를 정확하게 측정할 수 없을 때에도 유효한 추론을 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.
+1 more
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Measurement Error Models. ScholarGate. https://scholargate.app/ko/bayesian/mcmc-with-measurement-error
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.
- 측정 오차를 포함한 베이즈 추론베이지안↔ compare
- 베이즈 회귀베이지안↔ compare
- 깁스 샘플링(Gibbs Sampling)베이지안↔ compare
- 계층적 베이즈 추론베이지안↔ compare
- 마르코프 연쇄 몬테카를로 (MCMC)베이지안↔ compare
- Metropolis-Hastings with Measurement Error베이지안↔ compare