MCMC với dữ liệu thiếu
MCMC với dữ liệu thiếu là một chiến lược tính toán Bayes coi các giá trị chưa quan sát là các tham số chưa biết bổ sung. Bằng cách xen kẽ giữa việc lấy mẫu các giá trị thiếu từ phân phối dự đoán của chúng và lấy mẫu các tham số mô hình từ phân phối hậu nghiệm của chúng, thuật toán tạo ra một phân phối hậu nghiệm chung hợp lệ, tính toán đầy đủ cho sự không chắc chắn do dữ liệu thiếu gây ra.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/vi/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.
- Mô hình phân cấp BayesBayes↔ compare
- Suy luận Bayes với dữ liệu thiếuBayes↔ compare
- Lấy mẫu GibbsBayes↔ compare
- Hamiltonian Monte CarloBayes↔ compare
- Thuật toán Metropolis-HastingsBayes↔ compare
- Multiple ImputationThống kê↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →