Vícúrovňové vzorkování podle Gibbsovy metody
Vícúrovňové vzorkování podle Gibbsovy metody aplikuje algoritmus MCMC Gibbsovy metody na hierarchické (vícúrovňové) Bayesovské modely, přičemž postupně prochází podmíněné distribuce parametrů na úrovni skupin a hyperparametrů na populační úrovni. Tímto způsobem využívá strukturu podmíněné nezávislosti hierarchie k získání přesných nebo téměř přesných vzorků z aposteriorního rozdělení, které by jinak bylo analyticky nezvládnutelné.
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
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multilevel Gibbs Sampling for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/cs/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.
- Bayesovský hierarchický modelBayesovská statistika↔ compare
- Gibbs SamplingBayesovská statistika↔ compare
- Hamiltonovské Monte CarloBayesovská statistika↔ compare
- Hierarchické Bayesovské odvozováníBayesovská statistika↔ compare
- Algoritmus Metropolis-HastingsBayesovská statistika↔ compare
- Vícerozměrné MCMC (Multilevel MCMC)Bayesovská statistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →