MCMC with Measurement Error
MCMC with measurement error คือการประยุกต์ใช้การสุ่มตัวอย่างแบบลูกโซ่มาร์คอฟมอนติคาร์โล (Markov chain Monte Carlo sampling) กับแบบจำลองแบบเบย์ (Bayesian models) ที่พิจารณาอย่างชัดเจนถึงข้อเท็จจริงที่ว่าตัวแปรทำนาย (covariates) หรือผลลัพธ์ (outcomes) ถูกสังเกตได้พร้อมกับความคลาดเคลื่อน โดยการปฏิบัติต่อค่าจริงที่ไม่ถูกสังเกตว่าเป็นตัวแปรแฝง (latent variables) และการสุ่มค่าร่วมของตัวแปรแฝงเหล่านั้นพร้อมกับพารามิเตอร์อื่นๆ ทั้งหมด วิธีการนี้จะแก้ไขความเอนเอียงจากการลดทอน (attenuation bias) และให้ผลการอนุมานที่ถูกต้อง แม้ว่าตัวแปรบางตัวจะไม่สามารถวัดได้อย่างแม่นยำก็ตาม
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
แหล่งอ้างอิง
- Carroll, R. J., Ruppert, D., Stefanski, L. A. & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman & Hall/CRC. ISBN: 978-1584886334
- Richardson, S. & Gilks, W. R. (1993). A Bayesian approach to measurement error problems in epidemiology using conditional independence models. American Journal of Epidemiology, 138(6), 430-442. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Measurement Error Models. ScholarGate. https://scholargate.app/th/bayesian/mcmc-with-measurement-error
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.
- การอนุมานแบบเบย์เซียนร่วมกับความคลาดเคลื่อนในการวัดเบย์↔ compare
- การถดถอยแบบเบย์ (Bayesian Regression)เบย์↔ compare
- การสุ่มตัวอย่างแบบกิบบส์เบย์↔ compare
- การอนุมานแบบเบย์ตามลำดับชั้นเบย์↔ compare
- Markov Chain Monte Carlo (MCMC)เบย์↔ compare
- เมโทรโพลิส-ฮาสติงส์กับการวัดค่าคลาดเคลื่อนเบย์↔ compare