Gibbs-Sampling für Modellvergleich
Gibbs-Sampling für Modellvergleich ist ein bayesianischer MCMC-Ansatz, der gleichzeitig aus dem Raum konkurrierender Modelle und ihrer Parameter stichprobenartig zieht. Durch die Erweiterung des Gibbs-Samplers um eine diskrete Modellindexvariable werden Posterior-Modellwahrscheinlichkeiten und Bayes-Faktoren aus der resultierenden Markov-Kette geschätzt, ohne dass separate Läufe pro Modell erforderlich sind.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Carlin, B. P. & Chib, S. (1995). Bayesian model choice via Markov chain Monte Carlo methods. Journal of the Royal Statistical Society, Series B, 57(3), 473-484. DOI: 10.1111/j.2517-6161.1995.tb02042.x ↗
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Gibbs Sampling for Bayesian Model Comparison. ScholarGate. https://scholargate.app/de/bayesian/gibbs-sampling-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.
- Bayesian Model AveragingBayes-Statistik↔ compare
- Gibbs-SamplingBayes-Statistik↔ compare
- Metropolis-Hastings zur ModellvergleichBayes-Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →