ScholarGate
Pembantu
Bayesian methodsBayesian / computational

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.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

+2 more

Sumber

  1. 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
  2. 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.

Compare side by side

Dirujuk oleh

ScholarGateGibbs Sampling with Missing Data (Gibbs Sampling with Missing Data Imputation). Dicapai 2026-06-15 daripada https://scholargate.app/ms/bayesian/gibbs-sampling-with-missing-data · Set data: https://doi.org/10.5281/zenodo.20539026