Metropolis-Hastings cu Date Lipsă
Metropolis-Hastings cu date lipsă tratează valorile neremarcate ca variabile latente și le eșantionează împreună cu parametrii modelului într-un singur lanț MCMC. Prin augmentarea distribuției țintă pentru a include atât parametrii, cât și valorile lipsă, algoritmul oferă inferență posterioară corect calibrată, fără a elimina cazurile incomplete sau a necesita un pas separat de imputare.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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: 10.2307/2289457 ↗
- 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
Cum se citează această pagină
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm with Missing Data Augmentation. ScholarGate. https://scholargate.app/ro/bayesian/metropolis-hastings-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.
- Inferență bayesiană cu date lipsăBayesian↔ compare
- Augmentarea datelorÎnvățare profundă↔ compare
- Eșantionarea Gibbs cu date lipsăBayesian↔ compare
- Hamiltonian Monte Carlo cu date lipsăBayesian↔ compare
- Algoritmul Metropolis-HastingsBayesian↔ compare
- Imputare MultiplăStatistică↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →