Multilevel Gibbs Sampling
La mostra de Gibbs multinivell aplica l'algorisme MCMC de Gibbs a models bayesians jeràrquics (multinivell), iterant successivament a través de les distribucions condicionals dels paràmetres de nivell de grup i els hiperparàmetres de nivell de població. Això aprofita l'estructura d'independència condicional de la jerarquia per extreure mostres exactes o gairebé exactes d'una posterior que, altrament, seria analíticament intractable.
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
- Gelman, A. & Hill, J. (2007). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. ISBN: 978-0521686891
- 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). Multilevel Gibbs Sampling for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/ca/bayesian/multilevel-gibbs-sampling
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.
- Model Jeràrquic BayesianaBayesià↔ compare
- Campionament de GibbsBayesià↔ compare
- Hamiltonian Monte CarloBayesià↔ compare
- Inferència bayesiana jeràrquicaBayesià↔ compare
- Algorisme de Metropolis-HastingsBayesià↔ compare
- MCMC MultillivellBayesià↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →