Pensampelan Gibbs dengan Data Hilang
Pensampelan Gibbs dengan data hilang menganggap nilai yang tidak diperhatikan sebagai pemboleh ubah tidak diketahui tambahan bersama parameter model dan mengambil sampel kesemuanya secara bersama dalam gelung Monte Carlo rantai Markov. Kaedah ini berselang-seli antara menarik nilai yang hilang daripada taburan bersyaratnya berdasarkan parameter dan menarik parameter daripada taburan bersyaratnya berdasarkan data yang lengkap, menghasilkan posterior bagi kedua-duanya secara serentak.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Sumber
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 3). Gibbs Sampling with Missing Data Imputation. ScholarGate. https://scholargate.app/ms/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.
- Model Hierarki Bayesian dengan Data HilangBayesian↔ compare
- Inferens Bayesian dengan Data HilangBayesian↔ compare
- Tatatanda DataPembelajaran Mendalam↔ compare
- Sampel GibbsBayesian↔ compare
- MCMC dengan Data HilangBayesian↔ compare
- Imputasi BergandaStatistik↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →