Bayesiansk modellmedling (BMA)
Bayesiansk modellmedling (BMA), formaliserad som en handledning av Hoeting, Madigan, Raftery och Volinsky år 1999, hanterar modellosäkerhet genom att medla över alla rimliga modellspecifikationer snarare än att välja ut en enskild bästa modell. Varje kandidatmodell får en posterior sannolikhet som återspeglar hur väl den passar data givet en prior, och prediktioner eller koefficientestimat bildas som viktade medelvärden över hela modellrymden. Detta tillvägagångssätt minskar den bias och överkonfidens som uppstår när en enskild vald modell behandlas som den sanna.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Källor
- Hoeting, J. A., Madigan, D., Raftery, A. E. & Volinsky, C. T. (1999). Bayesian Model Averaging: A Tutorial. Statistical Science, 14(4), 382–401. link ↗
- Zeugner, S. & Feldkircher, M. (2015). Bayesian Model Averaging Employing Fixed and Flexible Priors: The BMS Package for R. Journal of Statistical Software, 68(4), 1–37. DOI: 10.18637/jss.v068.i04 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Bayesian Model Averaging. ScholarGate. https://scholargate.app/sv/bayesian/bayesian-model-averaging
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.
- Bayesiansk hierarkisk modellBayesiansk statistik↔ compare
- Bayesiansk regressionBayesiansk statistik↔ compare
- Elastic NetMaskininlärning↔ compare
- Lasso-regressionMaskininlärning↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk statistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →