MCMC ar mērījumu kļūdu
MCMC ar mērījumu kļūdu pielieto Markova ķēžu Monte Karlo (MCMC) paraugu ņemšanu Bajesu modeļiem, kas skaidri ņem vērā faktu, ka kovariāti vai rezultāti tiek novēroti ar kļūdu. Apstrādājot patiesās, neobservētās vērtības kā latentos mainīgos un ņemot paraugus no to kopīgās a posteriori sadalījuma kopā ar visiem citiem parametriem, metode koriģē vājināšanās novirzi un nodrošina derīgu secinājumu pat tad, ja dažus mainīgos nevar precīzi izmērīt.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Measurement Error Models. ScholarGate. https://scholargate.app/lv/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.
- Bajesiešu secinājumi ar mērījumu kļūduBajesa metodes↔ compare
- Beijesiskā regresijaBajesa metodes↔ compare
- Gibbs SamplingBajesa metodes↔ compare
- Hierarhiskā Bayesas inferencēšanaBajesa metodes↔ compare
- Mārkova ķēžu Montekarlo (MCMC)Bajesa metodes↔ compare
- Metropolis-Hastings algoritms ar mērījumu kļūduBajesa metodes↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →