Próbkowanie Gibbsa z brakującymi danymi
Próbkowanie Gibbsa z brakującymi danymi traktuje nieobserwowane wartości jako dodatkowe niewiadome obok parametrów modelu i próbuje je wszystkie wspólnie w pętli Markowa Monte Carlo. Metoda naprzemiennie pobiera brakujące wartości z ich rozkładu warunkowego przy danych parametrach i parametry z ich rozkładu warunkowego przy uzupełnionych danych, generując jednocześnie rozkład a posteriori dla obu.
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.
+2 more
Źródła
- 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 ↗
- 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). Gibbs Sampling with Missing Data Imputation. ScholarGate. https://scholargate.app/pl/bayesian/gibbs-sampling-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.
- Bayesowski model hierarchiczny z brakującymi danymiStatystyka bayesowska↔ compare
- Bayesowska inferencja przy brakujących danychStatystyka bayesowska↔ compare
- Augmentacja danychUczenie głębokie↔ compare
- Próbkowanie GibbsaStatystyka bayesowska↔ compare
- MCMC z brakującymi danymiStatystyka bayesowska↔ compare
- Uzupełnianie wielokrotneStatystyka↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →