Bayesian methods

Bayesian Regressie

Bayesiaanse regressie is een probabilistische versie van lineaire regressie die de modelparameters behandelt als onzekere grootheden. In plaats van een enkele best-fit schatting te retourneren, combineert het voorkennis met de waargenomen data om een volledige posterieure kansverdeling voor elke parameter te produceren, waaruit geloofwaardige intervallen en voorspellingen worden afgelezen.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Inloggen

Method map

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

Bayesian Regressie

Markov Chain Monte Carlo…Gewone Kleinste Kwadrate…Automatische Differentia…Bayesfactor-toets Bayesiaanse ANOVA Bayesian Factor Analysis Bayesiaanse Hiërarchisch…Bayesiaanse Inferentie m…Bayesiaanse inferentie m…Bayesiaanse Instrumentel…

+45 more

Bronnen

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

Deze pagina citeren

ScholarGate. (2026, June 1). Bayesian Linear Regression. ScholarGate. https://scholargate.app/nl/bayesian/bayesian-regression

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.

Markov Chain Monte Carlo (MCMC)Bayesiaanse statistiek↔ compare
Gewone Kleinste Kwadraten (GKK) RegressieEconometrie↔ compare

Compare side by side →

Geciteerd door

Automatische Differentiatie Variational Inference (ADVI)Bayesfactor-toets Bayesiaanse ANOVA Bayesian Factor Analysis Bayesiaanse Hiërarchische Model Bayesiaanse Inferentie met Meetfout Bayesiaanse inferentie met ontbrekende gegevens Bayesiaanse Instrumentele Variabelen (Bayesian IV)Bayesiaanse Lineaire Regressie Bayesiaanse logistische regressie Bayesian Model Averaging Bayesiaans modelgemiddelde met meetfouten Bayesiaans Netwerk Bayesiaanse Nonparametrische Methoden Bayesian Structural Equation Modeling (BSEM)Bayesiaanse Structurele Tijdreeksen Bayesiaanse Overlevingsanalyse Bayesiaanse t-toets Analyse van Conjugeerde Priors Differentiële Evolutie Dirichlet Process Mixture Model Dynamische Bayesiaanse Inferentie Dynamische Hamiltoniaan Monte Carlo Empirical Bayes Gibbs Sampling Hamiltonian Monte Carlo Hiërarchische Bayesiaanse Inferentie Hiërarchische Bayesiaanse Modelgemiddeling Hiërarchische Hamiltoniaanse Monte Carlo Hiërarchische Markovketen Monte Carlo Hiërarchische Variationele Inferentie Kalmanfilter Laplace-benadering Markov Chain Monte Carlo (MCMC)Markov Chain Monte Carlo (MCMC)MCMC met meetfout Metropolis-Hastings Algoritme Mixed Logit Model Multilevel Bayesiaanse Inferentie Multilevel Bayesiaans Modelgemiddelde Multilevel Markov-kettingmonte-Carlo No-U-Turn Sampler (NUTS)Deeltjesfilter (Sequentiële Monte Carlo)Robuuste Bayesiaanse Inferentie Robuuste Bayesiaanse Modelgemiddeling Robuuste Gibbs-steekproeftrekking Robuuste Variational Inference Slice Sampling Ruimtelijke Bayesiaanse Modelgemiddeling Bayesiesche hiërarchisch model voor tijdreeksen Bayesiaanse inferentie voor tijdreeksen Bayesiaanse modelgemiddeling voor tijdreeksen Tijdreeks Kalmanfilter Variatie-inferentie

Een fout op deze pagina gezien? Meld het of stel een correctie voor →

Lees de volledige methode

Method map

Bronnen

Deze pagina citeren

Verwante methoden

Which method?

Geciteerd door