Próbkowanie Gibbsa z błędem pomiarowym
Próbkowanie Gibbsa z błędem pomiarowym to bayesowska metoda MCMC, która wspólnie estymuje nieznane rzeczywiste wartości zmiennych objaśniających i parametry modelu, gdy obserwowane dane są zniekształcone przez błąd pomiarowy. Traktując utajone rzeczywiste wartości jako dodatkowe niewiadome, metoda iteracyjnie pobiera próbki wszystkich wielkości z ich pełnych rozkładów warunkowych, propagując niepewność pomiarową w każdym dalszym wnioskowaniu.
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
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398–409. DOI: 10.1080/01621459.1990.10476213 ↗
- Richardson, S. & Gilks, W. R. (1993). A Bayesian approach to measurement error problems in epidemiology using conditional independence models. American Journal of Epidemiology, 138(6), 430–442. DOI: 10.1093/oxfordjournals.aje.a116875 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Gibbs Sampling for Models with Measurement Error. ScholarGate. https://scholargate.app/pl/bayesian/gibbs-sampling-with-measurement-error
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 wnioskowanie z błędem pomiaruStatystyka bayesowska↔ compare
- Próbkowanie GibbsaStatystyka bayesowska↔ compare
- Hamiltonian Monte Carlo z błędem pomiaruStatystyka bayesowska↔ compare
- MCMC z błędem pomiaruStatystyka bayesowska↔ compare
- Metropolis-Hastings z błędem pomiarowymStatystyka bayesowska↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →