MCMC til modelsammenligning
MCMC til modelsammenligning anvender Markov chain Monte Carlo-algoritmer til at estimere de marginale sandsynligheder og Bayes-faktorer, der er nødvendige for formelt at sammenligne konkurrerende statistiske modeller. Teknikker som reversible-jump MCMC og bridge sampling muliggør udforskning på tværs af modelrum af forskellig dimensionalitet, hvilket muliggør fuldt Bayesiansk modelvalg og -middelværdiberegning.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
- Meng, X.-L., & Wong, W. H. (1996). Simulating ratios of normalizing constants via a simple identity: A theoretical exploration. Statistica Sinica, 6(4), 831–860. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/da/bayesian/mcmc-for-model-comparison
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.
- Approksimativ Bayesiansk BeregningSimulering↔ compare
- Bayesiansk ModelaveragingBayesiansk↔ compare
- Gibbs SamplingBayesiansk↔ compare
- Hamiltonian Monte CarloBayesiansk↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →