متروبوليس-هاستينغز لمقارنة النماذج
يستخدم متروبوليس-هاستينغز لمقارنة النماذج خوارزمية متروبوليس-هاستينغز لسلسلة ماركوف مونت كارلو (MCMC) لاستكشاف كل من فضاء المعلمات وفضاء النماذج بشكل متزامن، مما ينتج احتمالات لاحقة للنماذج المتنافسة ويتيح تقدير عامل بايز دون الحاجة إلى احتمالات هامشية بصيغة مغلقة. الامتداد القياسي - سلسلة ماركوف مونت كارلو بالقفز العكسي بواسطة جرين (1995) - يتعامل مع نماذج ذات أبعاد مختلفة ضمن عينة واحدة.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
خريطة المناهج
محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.
المصادر
- Hastings, W. K. (1970). Monte Carlo sampling methods using Markov chains and their applications. Biometrika, 57(1), 97-109. DOI: 10.1093/biomet/57.1.97 ↗
- Green, P. J. (1995). Reversible jump Markov chain Monte Carlo computation and Bayesian model determination. Biometrika, 82(4), 711-732. DOI: 10.1093/biomet/82.4.711 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Model Comparison. ScholarGate. https://scholargate.app/ar/bayesian/metropolis-hastings-for-model-comparison
أيُّ منهج؟
ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.
- متوسط النماذج البيزيةبايزي↔ قارن
- أخذ العينات بطريقة جيبس لمقارنة النماذجبايزي↔ قارن
- MCMC للمقارنة بين النماذجبايزي↔ قارن
- مونت كارلو التسلسليبايزي↔ قارن