Metropolis-Hastings s chýbajúcimi údajmi
Metropolis-Hastings s chýbajúcimi údajmi považuje nepozorované hodnoty za latentné premenné a vzorkuje ich spoločne s parametrami modelu v rámci jedného MCMC reťazca. Rozšírením cieľovej distribúcie o parametre a chýbajúce hodnoty algoritmus poskytuje správne kalibrované inferencie posteriornej distribúcie bez toho, aby zahodil nekompletné prípady alebo vyžadoval samostatný krok imputácie.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Tanner, M. A. & Wong, W. H. (1987). The calculation of posterior distributions by data augmentation. Journal of the American Statistical Association, 82(398), 528-540. DOI: 10.2307/2289457 ↗
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm with Missing Data Augmentation. ScholarGate. https://scholargate.app/sk/bayesian/metropolis-hastings-with-missing-data
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.
- Bayesovská inferencia s chýbajúcimi údajmiBayesovské metódy↔ compare
- Zväčšovanie dátHlboké učenie↔ compare
- Gibbs Sampling s chýbajúcimi údajmiBayesovské metódy↔ compare
- Hamiltonovský Markovov reťazec Monte Carlo s chýbajúcimi údajmiBayesovské metódy↔ compare
- Algoritmus Metropolis-HastingsBayesovské metódy↔ compare
- Viacnásobné imputácieŠtatistika↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →