MCMC med manglende data
MCMC med manglende data er en Bayesiansk beregningsstrategi som behandler uobserverte verdier som ytterligere ukjente parametere. Ved å alternere mellom å trekke ut manglende verdier fra deres prediktive fordeling og å trekke ut modellparametere fra deres posterior, produserer algoritmen en gyldig felles posterior som fullt ut tar hensyn til usikkerheten introdusert av manglende data.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/no/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.
- Bayesiansk hierarkisk modellBayesiansk↔ compare
- Bayesiansk inferens med manglende dataBayesiansk↔ compare
- Gibbs-samplingBayesiansk↔ compare
- Hamiltonian Monte CarloBayesiansk↔ compare
- Metropolis-Hastings-algoritmenBayesiansk↔ compare
- Multippel imputasjonStatistikk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →