ScholarGate
Assistente
Regression modelRegression / GLM

Modelo Probit Bayesiano

O modelo Probit Bayesiano é um método de regressão binária que modela a probabilidade de um desfecho binário usando a função de distribuição acumulada (FDA) normal (link probit) dentro de um quadro Bayesiano. Ele atribui distribuições a priori aos coeficientes de regressão e as atualiza com dados observados, resultando em uma distribuição posterior completa em vez de uma única estimativa pontual. O algoritmo de aumento de dados de Albert-Chib torna a amostragem posterior computacionalmente eficiente via amostragem de Gibbs.

Aplicar com StatMindEm breveVídeoEm breveBaixar slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Mapa de métodos

A vizinhança de métodos relacionados — selecione um nó para explorar.

Fontes

  1. 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
  2. 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

Como citar esta página

ScholarGate. (2026, June 3). Bayesian Probit Regression Model. ScholarGate. https://scholargate.app/pt/statistics/bayesian-probit-model

Qual método?

Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.

Comparar lado a lado

Referenciado por

ScholarGateBayesian Probit model (Bayesian Probit Regression Model). Recuperado em 2026-06-15 de https://scholargate.app/pt/statistics/bayesian-probit-model · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026