Bayesowski model hierarchiczny z brakującymi danymi
Bayesowski model hierarchiczny z brakującymi danymi traktuje nieobserwowane wartości jako dodatkowe niewiadome i próbkuje je wspólnie ze wszystkimi parametrami modelu z rozkładu aposteriornego. Zagnieżdżona struktura hierarchii pożycza siłę między grupami, podczas gdy ramy bayesowskie naturalnie propagują niepewność wynikającą z braków danych we wszystkich estymacjach i predykcjach.
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
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Hierarchical Model with Missing Data Imputation. ScholarGate. https://scholargate.app/pl/bayesian/bayesian-hierarchical-model-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.
- Bayesowska inferencja przy brakujących danychStatystyka bayesowska↔ compare
- Próbkowanie Gibbsa z brakującymi danymiStatystyka bayesowska↔ compare
- Hierarchiczna inferencja bayesowskaStatystyka bayesowska↔ compare
- MCMC z brakującymi danymiStatystyka bayesowska↔ compare
- Wielopoziomowe wnioskowanie bayesowskieStatystyka bayesowska↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →