Biešās Baijesa aprēķināšana ar trūkstošiem datiem
Biešās Baijesa aprēķināšana (Approximate Bayesian Computation, ABC) ar trūkstošiem datiem paplašina uzņēmēja Baijesa aprēķināšanas sistēmu (likelihood-free ABC framework) situācijām, kur novērojumi ir nepilnīgi vai daļēji reģistrēti. Simulējot datus saskaņā ar pieņemto modeli un akceptējot parametru izvilkumus, kuru simulētie kopsavilkuma statistikas rādītāji ir tuvu novērotajiem, tā apiet nepieciešamību novērtēt neintaktējamu ticamības funkciju (likelihood) — pat tad, ja daži datu vērtības ir prom.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Beaumont, M. A., Zhang, W. & Balding, D. J. (2002). Approximate Bayesian computation in population genetics. Genetics, 162(4), 2025–2035. link ↗
- Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons. ISBN: 978-0471655749
Kā citēt šo lapu
ScholarGate. (2026, June 3). Approximate Bayesian Computation with Missing Data. ScholarGate. https://scholargate.app/lv/bayesian/approximate-bayesian-computation-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.
- Aproksimatīvā Bayesian aprēķināšanaSimulācija↔ compare
- Beijiešu secinājumi ar trūkstošiem datiemBajesa metodes↔ compare
- MCMC ar trūkstošiem datiemBajesa metodes↔ compare
- Daudzveida imputācijaStatistika↔ compare
- Particle Filter (Sequential Monte Carlo)Bajesa metodes↔ compare
- Sekvenciālā Monte Karlo metodeBajesa metodes↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →