เมโทรโพลิส-ฮาสติงส์กับการวัดค่าคลาดเคลื่อน
เมโทรโพลิส-ฮาสติงส์กับการวัดค่าคลาดเคลื่อน (Metropolis-Hastings with measurement error) เป็นแนวทาง Bayesian MCMC ที่ประมาณค่าพารามิเตอร์ของแบบจำลองและค่าตัวแปรอธิบายที่แท้จริง (ซึ่งไม่สามารถสังเกตได้) ร่วมกัน เมื่อตัวพยากรณ์หรือผลลัพธ์ถูกบันทึกโดยมีสัญญาณรบกวน ด้วยการถือว่าค่าที่แท้จริงแฝงเป็นพารามิเตอร์ที่ไม่ทราบค่า วิธีนี้จะกระจายความไม่แน่นอนของการวัดค่าอย่างเต็มที่ไปสู่การอนุมานแบบเบย์ภายหลัง แทนที่จะละเลยหรือแก้ไขภายหลัง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Errors-in-Variables Models. ScholarGate. https://scholargate.app/th/bayesian/metropolis-hastings-with-measurement-error
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- การอนุมานแบบเบย์เซียนร่วมกับความคลาดเคลื่อนในการวัดเบย์↔ เปรียบเทียบ
- Gibbs Sampling with Measurement Errorเบย์↔ เปรียบเทียบ
- Hamiltonian Monte Carlo with Measurement Errorเบย์↔ เปรียบเทียบ
- MCMC with Measurement Errorเบย์↔ เปรียบเทียบ