Metropolis-Hastings me Gabim Matjeje
Metropolis-Hastings me gabim matjeje është një qasje Bajeziane MCMC që vlerëson bashkërisht parametrat e modelit dhe vlerat e vërteta (të paobservuara) të kovariateve kur parashikuesit ose rezultatet regjistrohen me zhurmë. Duke i trajtuar vlerat e vërteta latente si parametra të panjohur, ajo përhap plotësisht pasigurinë e matjes në inferencën posteriore, në vend që ta injorojë ose ta korrigjojë atë post hoc.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Harta e metodave
Lagjja e metodave të lidhura — zgjidhni një nyje për të eksploruar.
Burimet
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman and Hall/CRC. ISBN: 978-1584886334
- Richardson, S., & Green, P. J. (1997). On Bayesian analysis of mixtures with an unknown number of components. Journal of the Royal Statistical Society: Series B, 59(4), 731-792. DOI: 10.1111/1467-9868.00095 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Errors-in-Variables Models. ScholarGate. https://scholargate.app/sq/bayesian/metropolis-hastings-with-measurement-error
Cila metodë?
Vendoseni këtë metodë pranë të afërmeve të saj më të ngushta dhe lexojini krah për krah — biblioteka i shtron librat mbi tryezë; zgjedhja është e juaja.
- Inferencë Bajesiane me Gabim MatësStatistika bajesiane↔ krahaso
- Kampioni i Gibbs me gabim matësStatistika bajesiane↔ krahaso
- Hamiltonian Monte Carlo me Gabim MatjeStatistika bajesiane↔ krahaso
- MCMC me gabim matësStatistika bajesiane↔ krahaso
Cituar nga
Similar methods
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →