Байесовский метод Гиббса с учетом ошибки измерения
Байесовский метод Гиббса с учетом ошибки измерения — это байесовский метод Монте-Карло по цепям Маркова (MCMC), который совместно оценивает неизвестные истинные значения ковариат и параметры модели, когда наблюдаемые данные искажены ошибкой измерения. Рассматривая скрытые истинные значения как дополнительные неизвестные, он итеративно выбирает все величины из их полных условных распределений, распространяя неопределенность измерения на все последующие выводы.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398–409. DOI: 10.1080/01621459.1990.10476213 ↗
- Richardson, S. & Gilks, W. R. (1993). A Bayesian approach to measurement error problems in epidemiology using conditional independence models. American Journal of Epidemiology, 138(6), 430–442. DOI: 10.1093/oxfordjournals.aje.a116875 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Gibbs Sampling for Models with Measurement Error. ScholarGate. https://scholargate.app/ru/bayesian/gibbs-sampling-with-measurement-error
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Байесовский вывод с учетом ошибки измеренияБайесовские методы↔ сравнить
- Сэмплирование по ГиббсуБайесовские методы↔ сравнить
- Гамильтонов Монте-Карло с ошибкой измеренияБайесовские методы↔ сравнить
- MCMC с ошибкой измеренияБайесовские методы↔ сравнить
- Метрополис-Гастингс с ошибкой измеренияБайесовские методы↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →