Байесовская Марковская Модель — Моделирование Переходов Состояний с Байесовской Оценкой Параметров
Байесовская Марковская модель — это метод имитационного моделирования переходов состояний, который объединяет когортное моделирование на основе Марковских цепей с байесовским статистическим выводом. Размещая априорные распределения на вероятностях переходов и обновляя их с помощью наблюдаемых данных, подход распространяет полную неопределенность параметров через симуляцию, выдавая апостериорные распределения для таких исходов, как затраты, годы жизни или годы жизни, скорректированные по качеству, вместо точечных оценок.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- Briggs, A., Sculpher, M., Claxton, K. (2006). Decision Modelling for Health Economic Evaluation. Oxford University Press, Oxford. ISBN: 9780198526629
- Jackson, C. H., Sharples, L. D., Thompson, S. G. (2010). Structural and parameter uncertainty in Bayesian cost-effectiveness models. Journal of the Royal Statistical Society: Series C (Applied Statistics), 59(2), 233-253. DOI: 10.1111/j.1467-9876.2009.00684.x ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Markov Model — State-Transition Modeling with Bayesian Parameter Estimation. ScholarGate. https://scholargate.app/ru/simulation/bayesian-markov-model
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 анализ чувствительностиИмитационное моделирование↔ сравнить
- Модель МарковаИмитационное моделирование↔ сравнить
- Метод Монте-КарлоПринятие решений↔ сравнить
- Стохастическая марковская модельИмитационное моделирование↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →