Bayesian Poisson Regression
Bayesian Poisson regression models non-negative integer count outcomes using a Poisson likelihood with a log link, placing prior distributions on the regression coefficients. Posterior inference — combining prior beliefs with the data likelihood — produces full probability distributions over the coefficients rather than single-point estimates, enabling coherent uncertainty quantification and incorporation of domain knowledge.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
- 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
- McCullagh, P., & Nelder, J. A. (1989). Generalized Linear Models (2nd ed.). Chapman and Hall. · ISBN 978-0412317606
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.