MCMC sa nedostajućim podacima
MCMC sa nedostajućim podacima je Bejzijanska računarska strategija koja tretira neopažene vrednosti kao dodatne nepoznate parametre. Alternirajući između uzorkovanja nedostajućih vrednosti iz njihove prediktivne distribucije i uzorkovanja parametara modela iz njihove aposteriorne distribucije, algoritam proizvodi validnu zajedničku aposteriornu distribuciju koja u potpunosti uzima u obzir neizvesnost unetu nedostajućim podacima.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Izvori
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
- 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: 10.1080/01621459.1987.10478458 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/sr/bayesian/mcmc-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.
- Bayesian Hierarchical ModelBajesovska statistika↔ compare
- Bejzovsko inferisanje sa nedostajućim podacimaBajesovska statistika↔ compare
- Gibbsovo uzorkovanjeBajesovska statistika↔ compare
- Хамилтонски Монте КарлоBajesovska statistika↔ compare
- Metropolis-Hastings algoritamBajesovska statistika↔ compare
- Višestruka imputacijaStatistika↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →