MCMC met meetfout
MCMC met meetfout past Markov chain Monte Carlo-sampling toe op Bayesiaanse modellen die expliciet rekening houden met het feit dat covariaten of uitkomsten met fouten worden waargenomen. Door de ware, niet-geobserveerde waarden te behandelen als latente variabelen en hun gezamenlijke posterior te samplen naast alle andere parameters, corrigeert de methode voor attenuatiebias en produceert deze geldige inferentie, zelfs wanneer sommige variabelen niet exact kunnen worden gemeten.
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.
+1 more
Bronnen
- Carroll, R. J., Ruppert, D., Stefanski, L. A. & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman & Hall/CRC. ISBN: 978-1584886334
- 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. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Measurement Error Models. ScholarGate. https://scholargate.app/nl/bayesian/mcmc-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
- Bayesian RegressieBayesiaanse statistiek↔ compare
- Gibbs SamplingBayesiaanse statistiek↔ compare
- Hiërarchische Bayesiaanse InferentieBayesiaanse statistiek↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiaanse statistiek↔ compare
- Metropolis-Hastings met meetfoutBayesiaanse statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →