سلسلة ماركوف مونت كارلو الهرمية
تطبق سلسلة ماركوف مونت كارلو الهرمية أخذ عينات MCMC على النماذج البايزية الهرمية، وتسحب بشكل مشترك من التوزيع اللاحق لمعلمات مستوى الملاحظة والمعلمات الفائقة التي تحكمها. يتيح ذلك انتشارًا مبدئيًا لعدم اليقين عبر جميع مستويات الهيكل متعدد المستويات، من الأفراد إلى المجموعات إلى السكان، باستخدام خوارزميات مثل أخذ عينات جيبس، أو متروبوليس-هاستينغز، أو سلسلة ماركوف مونت كارلو الهاملتونية.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
خريطة المناهج
محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.
+2 أخرى
المصادر
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
- Robert, C. P. & Casella, G. (2004). Monte Carlo Statistical Methods (2nd ed.). Springer. ISBN: 978-0387212395
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/ar/bayesian/hierarchical-markov-chain-monte-carlo
أيُّ منهج؟
ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.
- الانحدار البايزيبايزي↔ قارن
- أخذ العينات بطريقة جيبسبايزي↔ قارن
- مونت كارلو الهاملتونيبايزي↔ قارن
- الاستدلال البايزي الهرميبايزي↔ قارن
- خوارزمية متروبوليس-هاستينغزبايزي↔ قارن
- الاستدلال التباينيبايزي↔ قارن