Hierarchické bayesovské zprůměrování modelů
Hierarchické bayesovské zprůměrování modelů (HBMA) kombinuje bayesovské zprůměrování modelů s hierarchickou strukturou modelu, přičemž zprůměrovává posteriorní veličiny napříč sadou kandidátských modelů vážených posteriorní pravděpodobností každého modelu. Namísto výběru jediného nejlepšího modelu HBMA šíří modelovou nejistotu prostřednictvím hierarchického rámce a vytváří predikce a odhady parametrů, které poctivě odrážejí nejistotu ohledně toho, který model je správný.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Hierarchical Bayesian Model Averaging. ScholarGate. https://scholargate.app/cs/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.
- Bayesovské informační kritérium (BIC)Hodnocení modelů↔ compare
- Bayesovské průměrování modelůBayesovská statistika↔ compare
- Bayesovská regreseBayesovská statistika↔ compare
- Hierarchické Bayesovské odvozováníBayesovská statistika↔ compare
- Hierarchické vzorkování Markovovým řetězcem Monte CarloBayesovská statistika↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →