Gibbs-sampling met meetfout
Gibbs-sampling met meetfout is een Bayesiaanse MCMC-methode die gezamenlijk onbekende ware covariabelewaarden en modelparameters schat wanneer de waargenomen gegevens zijn aangetast door meetfouten. Door de latente ware waarden als extra onbekenden te behandelen, worden alle grootheden iteratief gesampled uit hun volledige conditionele verdelingen, waardoor meetonzekerheid wordt doorgegeven aan elke daaropvolgende inferentie.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398–409. DOI: 10.1080/01621459.1990.10476213 ↗
- Richardson, S. & Gilks, W. R. (1993). A Bayesian approach to measurement error problems in epidemiology using conditional independence models. American Journal of Epidemiology, 138(6), 430–442. DOI: 10.1093/oxfordjournals.aje.a116875 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Gibbs Sampling for Models with Measurement Error. ScholarGate. https://scholargate.app/nl/bayesian/gibbs-sampling-with-measurement-error
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.
- Bayesiaanse Inferentie met MeetfoutBayesiaanse statistiek↔ compare
- Gibbs SamplingBayesiaanse statistiek↔ compare
- Hamiltoniaanse Monte Carlo met meetfoutBayesiaanse statistiek↔ compare
- MCMC met meetfoutBayesiaanse statistiek↔ compare
- Metropolis-Hastings met meetfoutBayesiaanse statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →