Metropolis-Hastings pro porovnání modelů
Metropolis-Hastings pro porovnání modelů využívá MCMC algoritmus Metropolis-Hastings k současnému prozkoumávání parametrového i modelového prostoru, čímž produkuje aposteriorní pravděpodobnosti pro konkurenční modely a umožňuje odhad Bayesových faktorů bez nutnosti analytických vyjádření marginálních věrohodností. Kanonické rozšíření – MCMC s reverzibilním skokem od Greena (1995) – zvládá modely různých dimenzí v rámci jediného sampleru.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Mapa metod
Okolí příbuzných metod — vyberte uzel, který chcete prozkoumat.
Zdroje
- Hastings, W. K. (1970). Monte Carlo sampling methods using Markov chains and their applications. Biometrika, 57(1), 97-109. DOI: 10.1093/biomet/57.1.97 ↗
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Model Comparison. ScholarGate. https://scholargate.app/cs/bayesian/metropolis-hastings-for-model-comparison
Která metoda?
Postavte tuto metodu vedle jejích nejbližších příbuzných a čtěte je vedle sebe — knihovna položí knihy na stůl; volba je na vás.
- Bayesovské průměrování modelůBayesovská statistika↔ porovnat
- Gibbsův vzorkovač pro porovnávání modelůBayesovská statistika↔ porovnat
- MCMC pro porovnání modelůBayesovská statistika↔ porovnat
- Sekvenční Monte CarloBayesovská statistika↔ porovnat
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →