Bayesian Probit Model
Bayesian Probit модель — это метод бинарной регрессии, который моделирует вероятность бинарного исхода с использованием нормальной функции распределения (probit-связка) в рамках байесовского подхода. Он назначает априорные распределения коэффициентам регрессии и обновляет их с помощью наблюдаемых данных, получая полное апостериорное распределение вместо единственной точечной оценки. Алгоритм дополнения данных Альберта-Чиба делает апостериорную выборку вычислительно эффективной посредством сэмплирования Гиббса.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Albert, J. H., & Chib, S. (1993). Bayesian analysis of binary and polychotomous response data. Journal of the American Statistical Association, 88(422), 669-679. DOI: 10.1080/01621459.1993.10476321 ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Probit Regression Model. ScholarGate. https://scholargate.app/ru/statistics/bayesian-probit-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.
- Байесовская обобщенная линейная модельСтатистика↔ compare
- Байесовская логистическая регрессияБайесовские методы↔ compare
- Байесовская мультиномиальная логистическая регрессияСтатистика↔ compare
- Байесовская ординарная логистическая регрессияСтатистика↔ compare
- Логистическая регрессияСтатистика исследований↔ compare
- Пробит-модель регрессииЭконометрика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →