Байесовский вывод при наличии пропущенных данных
Байесовский вывод при наличии пропущенных данных рассматривает ненаблюдаемые значения как неизвестные параметры и интегрирует их из апостериорного распределения. Вместо удаления или имплицитной импутации неполных записей, метод совместно моделирует наблюдаемые и пропущенные данные в рамках явного механизма пропущенных данных, обеспечивая полностью калиброванную апостериорную неопределенность, которая честно отражает то, что данные не могут нам сообщить.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Источники
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley-Interscience. ISBN: 978-0471183860
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/ru/bayesian/bayesian-inference-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.
- Approximate Bayesian Computation with Missing DataБайесовские методы↔ compare
- Байесовская иерархическая модель с пропущенными даннымиБайесовские методы↔ compare
- Байесовская регрессияБайесовские методы↔ compare
- Сэмплирование по ГиббсуБайесовские методы↔ compare
- Иерархический байесовский выводБайесовские методы↔ compare
- MCMC с пропущенными даннымиБайесовские методы↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →