Methodenbewijsdossier

MCMC with missing data

MCMC with missing data is a Bayesian computational strategy that treats unobserved values as additional unknown parameters. By alternating between sampling the missing values from their predictive distribution and sampling the model parameters from their posterior, the algorithm produces a valid joint posterior that fully accounts for uncertainty introduced by the missingness.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Markov Chain Monte Carlo with Missing Data

Taxonomisch methodendossier · bayesian / bayesian

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

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Same method familyBayesian Hierarchical Modelmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketBayesian Inference with Missing Datamachine-suggested · Relational suggestion, not evidence.Taxonomic bucketGibbs Samplingmachine-suggested · Relational suggestion, not evidence.Same method familyHamiltonian Monte Carlomachine-suggested · Relational suggestion, not evidence.Same method familyMetropolis-Hastings Algorithmmachine-suggested · Relational suggestion, not evidence.See alsoMultiple Imputationmachine-suggested · Relational suggestion, not evidence.