Metropolis-Hastings với Sai số Đo lường
Metropolis-Hastings với sai số đo lường là một phương pháp MCMC (Monte Carlo Markov Chain) Bayes ước tính đồng thời các tham số mô hình và các giá trị biến độc lập thực (không quan sát được) khi các biến dự đoán hoặc biến kết quả được ghi nhận có nhiễu. Bằng cách coi các giá trị thực tiềm ẩn là các tham số chưa biết, phương pháp này truyền tải đầy đủ sự không chắc chắn của phép đo vào suy luận hậu nghiệm thay vì bỏ qua hoặc hiệu chỉnh sau.
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.
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 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Errors-in-Variables Models. ScholarGate. https://scholargate.app/vi/bayesian/metropolis-hastings-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
- Gibbs Sampling với Sai số Đo lườngBayes↔ so sánh
- Mô phỏng Monte Carlo Hamilton (HMC) với sai số đo lườngBayes↔ so sánh
- MCMC với Sai số Đo lườngBayes↔ so sánh
Được tham chiếu bởi
Similar methods
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →