การอนุมานแบบเบย์สำหรับข้อมูลที่ขาดหาย
การอนุมานแบบเบย์สำหรับข้อมูลที่ขาดหาย (Bayesian inference with missing data) ถือว่าค่าที่ไม่ปรากฏเป็นพารามิเตอร์ที่ไม่ทราบค่า และทำการรวมค่าเหล่านั้นออกจากการแจกแจงภายหลัง (posterior distribution) แทนที่จะลบข้อมูลที่ไม่สมบูรณ์ออก หรือทำการแทนค่าแบบเฉพาะกิจ (ad hoc imputation) วิธีการนี้จะสร้างแบบจำลองร่วมกันทั้งข้อมูลที่สังเกตได้และข้อมูลที่ขาดหาย ภายใต้กลไกข้อมูลที่ขาดหายที่ชัดเจน (explicit missing-data mechanism) ซึ่งจะให้ความไม่แน่นอนของการแจกแจงภายหลังที่ปรับเทียบอย่างสมบูรณ์ (fully calibrated posterior uncertainty) ซึ่งสะท้อนอย่างตรงไปตรงมาถึงสิ่งที่ข้อมูลไม่สามารถบอกเราได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
แหล่งอ้างอิง
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley-Interscience. ISBN: 978-0471183860
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/th/bayesian/bayesian-inference-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.
- การคำนวณแบบเบย์โดยประมาณสำหรับข้อมูลที่ขาดหายไปเบย์↔ compare
- แบบจำลองลำดับชั้นแบบเบย์เซียนที่มีข้อมูลสูญหายเบย์↔ compare
- การถดถอยแบบเบย์ (Bayesian Regression)เบย์↔ compare
- การสุ่มตัวอย่างแบบกิบบส์เบย์↔ compare
- การอนุมานแบบเบย์ตามลำดับชั้นเบย์↔ compare
- MCMC กับข้อมูลที่ขาดหายไปเบย์↔ compare