MCMC per a la comparació de models
L'MCMC per a la comparació de models utilitza algorismes de Markov chain Monte Carlo per estimar les versemblances marginals i els factors de Bayes necessaris per comparar formalment models estadístics competidors. Tècniques com el reversible-jump MCMC i el bridge sampling permeten l'exploració a través d'espais de models de diferent dimensionalitat, fent possible la selecció i la mitjana de models bayesianes completes.
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
- 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 ↗
- Meng, X.-L., & Wong, W. H. (1996). Simulating ratios of normalizing constants via a simple identity: A theoretical exploration. Statistica Sinica, 6(4), 831–860. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/ca/bayesian/mcmc-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.
- Computació bayesiana aproximadaSimulació↔ compare
- Mitjana de models bayesiansBayesià↔ compare
- Campionament de GibbsBayesià↔ compare
- Hamiltonian Monte CarloBayesià↔ compare
- Cadenes de Markov Monte Carlo (MCMC)Bayesià↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →