Hierarchische Bayes'sche Inferenz
Hierarchische Bayes'sche Inferenz ist ein probabilistisches Modellierungsframework, das Parameter in Ebenen organisiert, Priors auf die Parameter auf Gruppenebene legt und Hyperpriors auf die Parameter legt, die diese Priors steuern. Es ermöglicht die partielle Bündelung von Informationen über Gruppen hinweg und balanciert die Extreme, jede Gruppe als unabhängig zu behandeln oder sie zu einer einzigen Schätzung zu verschmelzen.
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.
+28 more
Quellen
- 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
- Gelman, A. (2006). Multilevel (hierarchical) modeling: what it can and cannot do. Technometrics, 48(3), 432-435. DOI: 10.1198/004017005000000661 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Hierarchical Bayesian Inference. ScholarGate. https://scholargate.app/de/bayesian/hierarchical-bayesian-inference
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.
- Bayes'sche RegressionBayes-Statistik↔ compare
- Gibbs-SamplingBayes-Statistik↔ compare
- Hierarchische Markov-Ketten-Monte-Carlo-VerfahrenBayes-Statistik↔ compare
- Markov-Kette Monte Carlo (MCMC)Bayes-Statistik↔ compare
- Mixed Effects ModelStatistik↔ compare
- Variationelle InferenzBayes-Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →