Йерархично байесовско осредняване на модели
Йерархичното байесовско осредняване на модели (HBMA) комбинира байесовско осредняване на модели с йерархична структура на модела, като осреднява апостериорни величини върху набор от кандидат-модели, претеглени с апостериорната вероятност на всеки модел. Вместо да се избира един най-добър модел, HBMA разпространява несигурността на модела чрез йерархична рамка, произвеждайки прогнози и оценки на параметри, които честно отразяват несигурността относно това кой модел е правилен.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–417. link ↗
- Fragoso, T. M., Bertoli, W., & Louzada, F. (2018). Bayesian model averaging: A systematic review and conceptual classification. International Statistical Review, 86(1), 1–28. DOI: 10.1111/insr.12243 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Hierarchical Bayesian Model Averaging. ScholarGate. https://scholargate.app/bg/bayesian/hierarchical-bayesian-model-averaging
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.
- Байесов информационен критерий (BIC)Оценка на модели↔ compare
- Байесовско осредняване на модели (Bayesian Model Averaging, BMA)Бейсови методи↔ compare
- Байесов регресионен моделБейсови методи↔ compare
- Йерархично Бейсианско заключениеБейсови методи↔ compare
- Йерархичен Монте Карло Марковски процесБейсови методи↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →