Vícestupňový Metropolis-Hastings
Vícestupňový Metropolis-Hastings aplikuje algoritmus MCMC Metropolis-Hastings na hierarchické (vícestupňové) Bayesovské modely, vzorkuje společně parametry na úrovni skupin a hyperparametry navrhováním kandidátských hodnot a jejich přijímáním či odmítáním pomocí poměru, který respektuje plnou sdruženou aposteriorní distribuci napříč všemi úrovněmi modelu.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Mapa metod
Okolí příbuzných metod — vyberte uzel, který chcete prozkoumat.
Zdroje
- 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
- Roberts, G. O. & Sahu, S. K. (1997). Updating schemes, correlation structure, blocking and parameterisation for the Gibbs sampler. Journal of the Royal Statistical Society: Series B, 59(2), 291-317. DOI: 10.1111/1467-9868.00070 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multilevel Metropolis-Hastings Algorithm. ScholarGate. https://scholargate.app/cs/bayesian/multilevel-metropolis-hastings
Která metoda?
Postavte tuto metodu vedle jejích nejbližších příbuzných a čtěte je vedle sebe — knihovna položí knihy na stůl; volba je na vás.
- Hierarchické Bayesovské odvozováníBayesovská statistika↔ porovnat
- Algoritmus Metropolis-HastingsBayesovská statistika↔ porovnat
- Vícestupňová bayesovská inferenceBayesovská statistika↔ porovnat
- Vícúrovňové vzorkování podle Gibbsovy metodyBayesovská statistika↔ porovnat
- Vícúrovňový Hamiltonovský Monte CarloBayesovská statistika↔ porovnat
- Vícerozměrná variační inferenceBayesovská statistika↔ porovnat
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →