Metropolis-Hastings med mätfel
Metropolis-Hastings med mätfel är en Bayesiansk MCMC-metod som gemensamt skattar modellparametrar och de sanna (oobservervade) kovariatvärdena när prediktorer eller utfall registreras med brus. Genom att behandla de latenta sanna värdena som okända parametrar sprider den mätosäkerheten fullt ut i den posteriora inferensen, snarare än att ignorera den eller korrigera den i efterhand.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Errors-in-Variables Models. ScholarGate. https://scholargate.app/sv/bayesian/metropolis-hastings-with-measurement-error
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Bayesiansk inferens med mätfelBayesiansk statistik↔ jämför
- Gibbs sampling med mätfelBayesiansk statistik↔ jämför
- Hamiltonian Monte Carlo med mätfelBayesiansk statistik↔ jämför
- MCMC med mätfelBayesiansk statistik↔ jämför
Refereras av
Similar methods
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →