Hierarchische Bayes'sche Modellmittelung
Die hierarchische Bayes'sche Modellmittelung (HBMA) kombiniert die Bayes'sche Modellmittelung mit einer hierarchischen Modellstruktur, indem sie posteriore Größen über eine Menge von Kandidatenmodellen mittelt, gewichtet mit der posterioren Wahrscheinlichkeit jedes Modells. Anstatt ein einzelnes bestes Modell auszuwählen, propagiert HBMA die Modellunsicherheit durch einen hierarchischen Rahmen und liefert Vorhersagen und Parameterschätzungen, die die Unsicherheit darüber, welches Modell korrekt ist, ehrlich widerspiegeln.
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
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–417. link ↗
- Fragoso, T. M., Bertoli, W., & Louzada, F. (2018). Bayesian model averaging: A systematic review and conceptual classification. International Statistical Review, 86(1), 1–28. DOI: 10.1111/insr.12243 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Hierarchical Bayesian Model Averaging. ScholarGate. https://scholargate.app/de/bayesian/hierarchical-bayesian-model-averaging
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 Information Criterion (BIC)Modellevaluation↔ compare
- Bayesian Model AveragingBayes-Statistik↔ compare
- Bayes'sche RegressionBayes-Statistik↔ compare
- Hierarchische Bayes'sche InferenzBayes-Statistik↔ compare
- Hierarchische Markov-Ketten-Monte-Carlo-VerfahrenBayes-Statistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →