Metropolis-Hastings sa greškom merenja
Metropolis-Hastings sa greškom merenja je Bejzijanski MCMC pristup koji istovremeno procenjuje parametre modela i istinite (neposmatrane) vrednosti kovarijata kada su prediktori ili ishodi zabeleženi sa šumom. Tretiranjem latentnih istinitih vrednosti kao nepoznatih parametara, on u potpunosti propagira nesigurnost merenja u posteriornu inferenciju, umesto da je ignoriše ili koriguje post hoc.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Mapa metoda
Okruženje srodnih metoda — izaberite čvor da biste istraživali.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Errors-in-Variables Models. ScholarGate. https://scholargate.app/sr/bayesian/metropolis-hastings-with-measurement-error
Koja metoda?
Postavite ovu metodu pored njoj najbližih srodnika i čitajte ih uporedo — biblioteka polaže knjige na sto; izbor je na vama.
- Bejzovsko zaključivanje uz grešku merenjaBajesovska statistika↔ uporedi
- Gibbsovo uzorkovanje sa greškom merenjaBajesovska statistika↔ uporedi
- Hamiltonian Monte Carlo sa greškom merenjaBajesovska statistika↔ uporedi
- MCMC sa greškom merenjaBajesovska statistika↔ uporedi
Citirana u
Similar methods
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →