Model Bayesański Probit
Model Bayesański Probit jest metodą regresji binarnej, która modeluje prawdopodobieństwo binarnego wyniku za pomocą dystrybuanty rozkładu normalnego (funkcja łącząca probit) w ramach bayesaowskiego. Przypisuje on rozkłady a priori współczynnikom regresji i aktualizuje je na podstawie obserwowanych danych, uzyskując pełny rozkład a posteriori zamiast pojedynczej estymaty punktowej. Algorytm augmentacji danych Albert-Chib sprawia, że próbkowanie a posteriori jest obliczeniowo wydajne za pomocą próbkowania Gibbsa.
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
- Albert, J. H., & Chib, S. (1993). Bayesian analysis of binary and polychotomous response data. Journal of the American Statistical Association, 88(422), 669-679. DOI: 10.1080/01621459.1993.10476321 ↗
- 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 Probit Regression Model. ScholarGate. https://scholargate.app/pl/statistics/bayesian-probit-model
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
- Bayesowska regresja logistyczna z cechami porządkowymiStatystyka↔ compare
- Regresja logistycznaStatystyka w badaniach↔ compare
- Model ProbitEkonometria↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →