词条分类 - 公卫百科

删除法-统计

删除法（deletion），指直接对未观测的数据值进行排除的分析方法。

定义

非随机缺失-统计

非随机缺失（missing not at random, MNAR），指缺失值不仅与其他变量的取值有关，也与自身变量的取值有关，此情况不可忽略缺失数据带来的影响。

定义

随机缺失-统计

随机缺失（missing at random, MAR），指在一定条件下，缺失值与已知其他数据或变量有关，而与自身取值大小无关。

定义

完全随机缺失-统计

完全随机缺失（missing completely at random, MCAR），指数据的缺失与已观测到和未观测到的数据均无关，所有数据缺失概率都是相同的。

定义

任意缺失模式-统计

任意缺失模式（arbitrary missing data pattern），指对含有多个观测变量的数据各种行交换或/和列交换均不能使缺失数据呈现层级缺失的模式。即数据缺失具有偶然性，呈现没有规律可循的缺失模式。

定义

单调缺失模式-统计

单调缺失模式（monotone missing data pattern），指在包含多个观测变量的数据集中，缺失值的出现遵循一种特定的顺序特征，如果个体在某个变量上的值缺失，则该个体在所有后续变量上的值也必将缺失。

定义

缺失数据-统计

缺失数据（missing data），又称“缺失值(missing values)”，指一组数据中由于某种原因而缺失掉的数据。通常分为完全随机缺失、随机缺失和非随机缺失三种类型。

定义

贝叶斯网络-统计

贝叶斯网络（Bayesian network），指一种用有向无环图描述随机变量及其条件依赖关系的概率图模型。

定义

半朴素贝叶斯分类器-统计

半朴素贝叶斯分类器（semi-naive Bayes classifier），指放宽各个属性间属性独立性假设，适当考虑一部分属性间的相互依赖关系，放松后的朴素贝叶斯分类器。

定义

朴素贝叶斯分类器-统计

朴素贝叶斯分类器（naive Bayes classifier），指假定给定类别标记时特征相互之间独立的贝叶斯分类器。

定义

属性条件独立-统计

属性条件独立（attribute conditional independence），指在给定其他属性的条件下，两个属性之间互相独立。可用于属性间依赖关系的推断，有助于理解数据关联。

定义

贝叶斯判定准则-统计

贝叶斯判定准则（Bayes decision rule），指一种决策规则，基于贝叶斯定理和概率分布，选择使后验期望损失最小的决策。

定义

贝叶斯分类器-统计

贝叶斯分类器（Bayesian classifier），指基于贝叶斯公式，通过计算最大后验概率的方法来预测待分类数据类别的分类方法。

定义

贝叶斯方法-统计

贝叶斯方法（Bayesian approach），指应用所观察到的现象对有关概率分布的主观判断(即先验概率)进行修正的标准方法。

定义

贝叶斯因子-统计

贝叶斯因子（Bayes factor），指一种用于比较两个或多个统计模型相对拟合优度的指标。它是将数据观测到的概率与模型参数的先验概率相乘，再对所有可能的参数值进行积分求和所得。

定义

贝叶斯估计-统计

贝叶斯估计（Bayes estimation），指结合关于待估计参数的先验知识和数据的似然函数来估算参数的贝叶斯方法。

定义

积分嵌套拉普拉斯近似-统计

积分嵌套拉普拉斯近似（integrated nested Laplace approximation, INLA），指用于快速获得后验边缘分布精确近似的贝叶斯推断方法。

定义

梅特罗波利斯-黑斯廷斯算法-统计

梅特罗波利斯-黑斯廷斯算法（Metropolis-Hastings algorithm），又称“Metropolis-Hastings 算法”，指一种用于从分布函数未知的概率分布中抽样的马尔科夫链蒙特卡洛方法。通过构建一个马尔科夫链，使得该链的平稳分布与所需的概率分布相对应，然后利用该马尔科夫链生成的样本进行统计推断和模型估计。 ...

定义

吉布斯采样器-统计

吉布斯采样器（Gibbs sampler），简称“Gibbs 采样器”，指统计学中用于马尔可夫链蒙特卡罗（MCMC）的一种算法，用于在难以直接采样时从某一多变量概率分布中近似抽取样本序列。

定义

吉布斯抽样-统计

吉布斯抽样（Gibbs sampling），简称“Gibbs 抽样”，指马尔科夫蒙特卡洛迭代的一种算法，用于构建一系列相互依赖的参数值，这些参数值的分布逐渐收敛到目标联合后验分布。

定义

绑定QQ更安全