Bayesian methodsBayesian / computational

MCMC с ошибкой измерения

MCMC с ошибкой измерения применяет выборку Марковских цепей Монте-Карло к байесовским моделям, которые явно учитывают тот факт, что ковариаты или исходы наблюдаются с ошибкой. Рассматривая истинные, ненаблюдаемые значения как латентные переменные и осуществляя выборку их совместного апостериорного распределения наряду со всеми другими параметрами, метод корректирует систематическую ошибку аттенюации и обеспечивает достоверную статистическую оценку даже тогда, когда некоторые переменные не могут быть измерены точно.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

+1 more

Источники

  1. Carroll, R. J., Ruppert, D., Stefanski, L. A. & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman & Hall/CRC. ISBN: 978-1584886334
  2. 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. link

Как цитировать эту страницу

ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Measurement Error Models. ScholarGate. https://scholargate.app/ru/bayesian/mcmc-with-measurement-error

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.

Compare side by side

Упоминается в

ScholarGateMCMC with Measurement Error (Markov Chain Monte Carlo with Measurement Error Models). Получено 2026-06-15 из https://scholargate.app/ru/bayesian/mcmc-with-measurement-error · Набор данных: https://doi.org/10.5281/zenodo.20539026