Gibsa paraugu ņemšana ar trūkstošiem datiem
Gibsa paraugu ņemšana ar trūkstošiem datiem neievērotās vērtības uzskata par papildu nezināmajiem blakus modeļa parametriem un visus tos kopīgi atlasa Markova ķēdes Montekarlo cilpā. Metode pārmaiņus izvelk trūkstošās vērtības no to nosacītā sadalījuma, ņemot vērā parametrus, un izvelk parametrus no to nosacītā sadalījuma, ņemot vērā pabeigtos datus, vienlaicīgi iegūstot a posteriori sadalījumu abiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Gibbs Sampling with Missing Data Imputation. ScholarGate. https://scholargate.app/lv/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.
- Bayesiskais hierarhiskais modelis ar trūkstošiem datiemBajesa metodes↔ compare
- Beijiešu secinājumi ar trūkstošiem datiemBajesa metodes↔ compare
- Datu paplašināšanaDziļā mācīšanās↔ compare
- Gibbs SamplingBajesa metodes↔ compare
- MCMC ar trūkstošiem datiemBajesa metodes↔ compare
- Daudzveida imputācijaStatistika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →