Bayesowska regresja logistyczna z cechami porządkowymi
Bayesowska regresja logistyczna z cechami porządkowymi rozszerza klasyczny model proporcjonalnych szans poprzez nałożenie rozkładów a priori na współczynniki regresji i parametry progów oraz ich aktualizację na podstawie obserwowanych danych za pomocą twierdzenia Bayesa. Wynikiem jest pełny rozkład a posteriori wszystkich parametrów, umożliwiający kwantyfikację niepewności bez polegania na przybliżeniach dla dużych prób.
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
- Johnson, V. E., & Albert, J. H. (1999). Ordinal Data Modeling. Springer. ISBN: 978-0387987484
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Ordinal Logistic Regression (Proportional Odds Model). ScholarGate. https://scholargate.app/pl/statistics/bayesian-ordinal-logistic-regression
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 Liniowy UogólnionyStatystyka↔ compare
- Regresja logistyczna bayesowskaStatystyka bayesowska↔ compare
- Regresja logistyczna bayesowska wielomianowaStatystyka↔ compare
- Model Bayesański ProbitStatystyka↔ compare
- Regresja logistyczna wielomianowaStatystyka↔ compare
- Regresja logistyczna porządkowaStatystyka↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →