MCMC з пропущеними даними
MCMC з пропущеними даними — це байєсівська обчислювальна стратегія, яка розглядає ненаблюдовані значення як додаткові невідомі параметри. Чергуючи вибірку пропущених значень з їх предиктивного розподілу та вибірку параметрів моделі з їх апостеріорного розподілу, алгоритм генерує дійсний спільний апостеріорний розподіл, який повністю враховує невизначеність, спричинену пропущеними даними.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Джерела
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
- Tanner, M. A. & Wong, W. H. (1987). The calculation of posterior distributions by data augmentation. Journal of the American Statistical Association, 82(398), 528-540. DOI: 10.1080/01621459.1987.10478458 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/uk/bayesian/mcmc-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.
- Байєсівська ієрархічна модельБаєсові методи↔ compare
- Байєсівський висновок з пропущеними данимиБаєсові методи↔ compare
- Гіббсівський відбір (Gibbs Sampling)Баєсові методи↔ compare
- Гамільтонів Монте-КарлоБаєсові методи↔ compare
- Алгоритм Метрополіса-ГастінгсаБаєсові методи↔ compare
- Множинне імпутуванняСтатистика↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →