Multilevel MCMC
Multilevel MCMC anvender Markov chain Monte Carlo-sampling på hierarkiske (multilevel) Bayesianske modeller. Den trækker samples fra den fælles posteriorfordeling af både gruppe- og populationsniveauparametre samtidigt, hvilket udbreder usikkerhed på tværs af niveauer og muliggør inferens i klyngede eller indlejrede datastrukturer, hvor observationer inden for grupper deler fælles fordelingsmæssige karakteristika.
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.
+3 more
Kilder
- 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
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398-409. DOI: 10.1080/01621459.1990.10476213 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multilevel Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/da/bayesian/multilevel-mcmc
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.
- Bayesiansk regressionBayesiansk↔ compare
- Gibbs SamplingBayesiansk↔ compare
- Hamiltonian Monte CarloBayesiansk↔ compare
- Hierarkisk Bayesiansk InferensBayesiansk↔ compare
- Metropolis-Hastings AlgoritmenBayesiansk↔ compare
- VariationsinferensBayesiansk↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →