ScholarGate
Assistente
Bayesian methodsBayesian / computational

MCMC com Dados Ausentes

MCMC com dados ausentes é uma estratégia computacional Bayesiana que trata valores não observados como parâmetros adicionais desconhecidos. Alternando entre a amostragem dos valores ausentes de sua distribuição preditiva e a amostragem dos parâmetros do modelo de sua posterior, o algoritmo produz uma posterior conjunta válida que considera totalmente a incerteza introduzida pela ausência de dados.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

The neighbourhood of related methods — select a node to explore.

+3 more

Fontes

  1. Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
  2. 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

Como citar esta página

ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/pt/bayesian/mcmc-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.

Compare side by side

Referenciado por

ScholarGateMCMC with missing data (Markov Chain Monte Carlo with Missing Data). Recuperado em 2026-06-15 de https://scholargate.app/pt/bayesian/mcmc-with-missing-data · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026