Methodenbewijsdossier

Metropolis-Hastings with measurement error

Metropolis-Hastings with measurement error is a Bayesian MCMC approach that jointly estimates model parameters and the true (unobserved) covariate values when predictors or outcomes are recorded with noise. By treating the latent true values as unknown parameters, it propagates measurement uncertainty fully into posterior inference rather than ignoring it or correcting for it post hoc.

Sources recorded, not reviewed

Bronrecord

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

Metropolis-Hastings Algorithm for Bayesian Errors-in-Variables Models

Taxonomisch methodendossier · bayesian / bayesian

Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman and Hall/CRC. · ISBN 978-1584886334
Richardson, S., & Green, P. J. (1997). On Bayesian analysis of mixtures with an unknown number of components. Journal of the Royal Statistical Society: Series B, 59(4), 731-792. · DOI 10.1111/1467-9868.00095

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.

Taxonomic bucketBayesian Inference with Measurement Errormachine-suggested · Relational suggestion, not evidence.Taxonomic bucketGibbs Sampling with Measurement Errormachine-suggested · Relational suggestion, not evidence.Taxonomic bucketHamiltonian Monte Carlo with Measurement Errormachine-suggested · Relational suggestion, not evidence.Taxonomic bucketMCMC with Measurement Errormachine-suggested · Relational suggestion, not evidence.