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.
Method map
The neighbourhood of related methods — select a node to explore.
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
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.
- Байесовский анализ чувствительностиИмитационное моделирование↔ compare
- Модель МарковаИмитационное моделирование↔ compare
- Метод Монте-КарлоПринятие решений↔ compare
- Стохастическая марковская модельИмитационное моделирование↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →