MCMC với Sai số Đo lường
MCMC với sai số đo lường áp dụng lấy mẫu Markov chain Monte Carlo cho các mô hình Bayes vốn tính đến một cách rõ ràng việc các biến dự báo hoặc kết quả được quan sát với sai số. Bằng cách coi các giá trị thực, chưa quan sát được là các biến tiềm ẩn và lấy mẫu phân phối hậu nghiệm chung của chúng cùng với tất cả các tham số khác, phương pháp này điều chỉnh sai lệch suy giảm và cho phép suy luận hợp lệ ngay cả khi một số biến không thể đo lường chính xác.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
+1 nữa
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Measurement Error Models. ScholarGate. https://scholargate.app/vi/bayesian/mcmc-with-measurement-error
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Suy luận Bayes có sai số đo lườngBayes↔ so sánh
- Hồi quy BayesBayes↔ so sánh
- Lấy mẫu GibbsBayes↔ so sánh
- Suy luận Bayes phân cấpBayes↔ so sánh
- Chuỗi Markov Monte Carlo (MCMC)Bayes↔ so sánh
- Metropolis-Hastings với Sai số Đo lườngBayes↔ so sánh
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →