MCMC met ontbrekende data
MCMC met ontbrekende data is een Bayesiaanse computationele strategie die niet-geobserveerde waarden behandelt als aanvullende onbekende parameters. Door afwisselend de ontbrekende waarden te samplen uit hun predictieve verdeling en de modelparameters te samplen uit hun posterior, produceert het algoritme een geldige gezamenlijke posterior die de door de ontbrekende waarden geïntroduceerde onzekerheid volledig in rekening brengt.
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.
+3 more
Bronnen
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/nl/bayesian/mcmc-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.
- Bayesiaanse Hiërarchische ModelBayesiaanse statistiek↔ compare
- Bayesiaanse inferentie met ontbrekende gegevensBayesiaanse statistiek↔ compare
- Gibbs SamplingBayesiaanse statistiek↔ compare
- Hamiltonian Monte CarloBayesiaanse statistiek↔ compare
- Metropolis-Hastings AlgoritmeBayesiaanse statistiek↔ compare
- Multiple ImputationStatistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →