Beieziešu Probit modelis
Beieziešu Probit modelis ir binārās regresijas metode, kas modelē bināra rezultāta varbūtību, izmantojot normālo kumulatīvās sadalījuma funkciju (probit saiste) Beieziešu ietvarā. Tā piešķir iepriekšējus sadalījumus regresijas koeficientiem un atjaunina tos ar novērotajiem datiem, iegūstot pilnu aizmugures sadalījumu, nevis vienu punktu aplēsi. Alberta-Čiba datu papildināšanas algoritms padara aizmugures izlasi aprēķināšanas ziņā efektīvu, izmantojot Gibbsa izlasi.
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
- Albert, J. H., & Chib, S. (1993). Bayesian analysis of binary and polychotomous response data. Journal of the American Statistical Association, 88(422), 669-679. DOI: 10.1080/01621459.1993.10476321 ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Probit Regression Model. ScholarGate. https://scholargate.app/lv/statistics/bayesian-probit-model
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.
- Beijesas vispārinātais lineārais modelisStatistika↔ compare
- Bayesiskā loģistikā regresijaBajesa metodes↔ compare
- Bayesiskā multinomiālā logistiskā regresijaStatistika↔ compare
- Bajeziāņu ordinālā loģistikas regresijaStatistika↔ compare
- Logistiskā regresijaPētniecības statistika↔ compare
- Probit regresijas modelisEkonometrija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →