Байєсівське усереднення моделей із пропущеними даними
Байєсівське усереднення моделей із пропущеними даними (BMA-MD) одночасно розглядає два джерела невизначеності: яка модель найкраще описує дані, і якими є неспостережувані значення. Замість вибору одного набору даних із заповненими значеннями та однієї моделі, цей підхід усереднює прогнози за всім простором кандидатних моделей та правдоподібних доповнень пропущених значень, поширюючи обидва джерела невизначеності на кожну оцінку та прогноз.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Hoeting, J. A., Madigan, D., Raftery, A. E. & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-417. link ↗
- Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons, New York. ISBN: 978-0471655749
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Bayesian Model Averaging with Missing Data. ScholarGate. https://scholargate.app/uk/bayesian/bayesian-model-averaging-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.
- Апроксимаційні Байєсівські обчислення (ABC) з пропущеними данимиБаєсові методи↔ compare
- Байєсівська ієрархічна модель з пропущеними данимиБаєсові методи↔ compare
- Байєсівський висновок з пропущеними данимиБаєсові методи↔ compare
- Байєсівське усереднення моделейБаєсові методи↔ compare
- Множинне імпутуванняСтатистика↔ compare
- Послідовний Монте-Карло з пропущеними данимиБаєсові методи↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →