Przybliżone wnioskowanie bayesowskie z brakującymi danymi
Przybliżone wnioskowanie bayesowskie (Approximate Bayesian Computation, ABC) z brakującymi danymi rozszerza ramy ABC, które nie wymagają znajomości funkcji wiarygodności (likelihood-free), na sytuacje, w których obserwacje są niekompletne lub częściowo zarejestrowane. Symulując dane zgodnie z przyjętym modelem i akceptując próbki parametrów, dla których statystyki podsumowujące symulowanych danych są bliskie obserwowanym, metoda ta pozwala ominąć konieczność obliczania nietraktowalnej funkcji wiarygodności — nawet gdy brakuje niektórych wartości danych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Beaumont, M. A., Zhang, W. & Balding, D. J. (2002). Approximate Bayesian computation in population genetics. Genetics, 162(4), 2025–2035. link ↗
- Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons. ISBN: 978-0471655749
Jak cytować tę stronę
ScholarGate. (2026, June 3). Approximate Bayesian Computation with Missing Data. ScholarGate. https://scholargate.app/pl/bayesian/approximate-bayesian-computation-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.
- Przybliżone Obliczenia BayesaSymulacja↔ compare
- Bayesowska inferencja przy brakujących danychStatystyka bayesowska↔ compare
- MCMC z brakującymi danymiStatystyka bayesowska↔ compare
- Uzupełnianie wielokrotneStatystyka↔ compare
- Filtr cząsteczkowy (Sekwencyjny Monte Carlo)Statystyka bayesowska↔ compare
- Sekwencyjne metody Monte CarloStatystyka bayesowska↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →