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.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Fontes
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
- 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.
- Modelo Hierárquico BayesianoBayesiano↔ compare
- Inferência Bayesiana com Dados AusentesBayesiano↔ compare
- Amostragem de GibbsBayesiano↔ compare
- Monte Carlo HamiltonianoBayesiano↔ compare
- Algoritmo de Metropolis-HastingsBayesiano↔ compare
- Imputação MúltiplaEstatística↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →