Gibbs Sampling per a la Comparació de Models
El Gibbs sampling per a la comparació de models és un enfocament bayesià MCMC que mostreja simultàniament de l'espai de models competidors i els seus paràmetres. Augmentant el Gibbs sampler amb una variable discreta d'índex de model, les probabilitats posteriors dels models i els factors de Bayes s'estimen a partir de la cadena de Markov resultant sense requerir execucions separades per model.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Carlin, B. P. & Chib, S. (1995). Bayesian model choice via Markov chain Monte Carlo methods. Journal of the Royal Statistical Society, Series B, 57(3), 473-484. DOI: 10.1111/j.2517-6161.1995.tb02042.x ↗
- 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
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Gibbs Sampling for Bayesian Model Comparison. ScholarGate. https://scholargate.app/ca/bayesian/gibbs-sampling-for-model-comparison
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.
- Mitjana de models bayesiansBayesià↔ compare
- Campionament de GibbsBayesià↔ compare
- Metropolis-Hastings per a la comparació de modelsBayesià↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →