การคำนวณแบบเบย์โดยประมาณสำหรับข้อมูลที่ขาดหายไป
การคำนวณแบบเบย์โดยประมาณสำหรับข้อมูลที่ขาดหายไป (Approximate Bayesian Computation with missing data) เป็นการขยายกรอบการทำงานของ ABC แบบไม่ใช้ฟังก์ชันความน่าจะเป็น (likelihood-free ABC framework) ไปสู่สถานการณ์ที่ข้อมูลสังเกตการณ์ไม่สมบูรณ์หรือถูกบันทึกไว้บางส่วน โดยการจำลองข้อมูลภายใต้แบบจำลองที่ตั้งสมมติฐานไว้ และยอมรับค่าพารามิเตอร์ที่จำลองได้ซึ่งสถิติสรุปที่จำลองขึ้นมาใกล้เคียงกับค่าที่สังเกตได้ วิธีนี้ช่วยหลีกเลี่ยงความจำเป็นในการประเมินฟังก์ชันความน่าจะเป็นที่คำนวณได้ยาก แม้ว่าข้อมูลบางส่วนจะขาดหายไปก็ตาม
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Beaumont, M. A., Zhang, W. & Balding, D. J. (2002). Approximate Bayesian computation in population genetics. Genetics, 162(4), 2025–2035. link ↗
- Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons. ISBN: 978-0471655749
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Approximate Bayesian Computation with Missing Data. ScholarGate. https://scholargate.app/th/bayesian/approximate-bayesian-computation-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.
- การคำนวณแบบเบย์เชิงประมาณการจำลอง↔ compare
- การอนุมานแบบเบย์สำหรับข้อมูลที่ขาดหายเบย์↔ compare
- MCMC กับข้อมูลที่ขาดหายไปเบย์↔ compare
- Multiple Imputationสถิติศาสตร์↔ compare
- Particle Filter (Sequential Monte Carlo)เบย์↔ compare
- Sequential Monte Carloเบย์↔ compare