Эмпирический Байес
Эмпирический Байес (EB) — это стратегия оценивания, предложенная Гербертом Роббинсом в 1956 году и развитая Брэдли Эфроном и Карлом Моррисом в 1973 году в практические оценки с усадкой (shrinkage estimators), в которой гиперпараметры априорного распределения оцениваются по наблюдаемым данным через маргинальную правдоподобность, а не задаются заранее. Результирующее апостериорное распределение сохраняет байесовскую структуру, но заменяет субъективные гиперпараметры на определяемые данными, связывая частотную усадку и полное байесовское выведение.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Robbins, H. (1956). An empirical Bayes approach to statistics. In J. Neyman (Ed.), Proceedings of the Third Berkeley Symposium on Mathematical Statistics and Probability, Vol. 1 (pp. 157–164). University of California Press. DOI: 10.1525/9780520313880-015 ↗
- Efron, B., & Morris, C. (1973). Stein's estimation rule and its competitors — An empirical Bayes approach. Journal of the American Statistical Association, 68(341), 117–130. DOI: 10.1080/01621459.1973.10481350 ↗
- Carlin, B. P., & Louis, T. A. (2000). Bayes and Empirical Bayes Methods for Data Analysis (2nd ed.). Chapman & Hall/CRC. ISBN: 978-1584881704
- Efron, B., & Hastie, T. (2016). Computer Age Statistical Inference: Algorithms, Evidence, and Data Science. Cambridge University Press. ISBN: 978-1107149892
Как цитировать эту страницу
ScholarGate. (2026, June 3). Empirical Bayes Estimation. ScholarGate. https://scholargate.app/ru/bayesian/empirical-bayes
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.
- Байесовская регрессияБайесовские методы↔ compare
- Метод Монте-Карло по цепям Маркова (MCMC)Байесовские методы↔ compare
- Модель со смешанными эффектамиСтатистика↔ compare
- Гребневая регрессияМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →