Uśrednianie modeli bayesowskich z brakującymi danymi
Uśrednianie modeli bayesowskich z brakującymi danymi (BMA-MD) jednocześnie adresuje dwa źródła niepewności: który model najlepiej opisuje dane i jakie są nieobserwowane wartości. Zamiast wybierać pojedynczy zbiór danych uzupełniony i pojedynczy model, podejście to uśrednia predykcje w całej przestrzeni kandydackich modeli i prawdopodobnych uzupełnień brakujących wartości, propagując oba źródła niepewności do każdego oszacowania i predykcji.
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
- Hoeting, J. A., Madigan, D., Raftery, A. E. & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-417. link ↗
- Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons, New York. ISBN: 978-0471655749
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Model Averaging with Missing Data. ScholarGate. https://scholargate.app/pl/bayesian/bayesian-model-averaging-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 wnioskowanie bayesowskie z brakującymi danymiStatystyka bayesowska↔ compare
- Bayesowski model hierarchiczny z brakującymi danymiStatystyka bayesowska↔ compare
- Bayesowska inferencja przy brakujących danychStatystyka bayesowska↔ compare
- Uśrednianie modeli bayesowskichStatystyka bayesowska↔ compare
- Uzupełnianie wielokrotneStatystyka↔ compare
- Sekwencyjne metody Monte Carlo z brakującymi danymiStatystyka bayesowska↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →