Metropolis-Hastings για Σύγκριση Μοντέλων
Η μέθοδος Metropolis-Hastings για σύγκριση μοντέλων χρησιμοποιεί τον αλγόριθμο MCMC Metropolis-Hastings για να εξερευνήσει ταυτόχρονα τον χώρο παραμέτρων και τον χώρο μοντέλων, παράγοντας πιθανότητες εκ των υστέρων για ανταγωνιστικά μοντέλα και επιτρέποντας την εκτίμηση του λόγου Bayes χωρίς να απαιτούνται κλειστές αναλυτικές εκφράσεις για τις οριακές πιθανότητες. Η κανονική επέκταση — MCMC με αντιστρεπτή μετάβαση (reversible-jump MCMC) από τον Green (1995) — διαχειρίζεται μοντέλα διαφορετικών διαστάσεων εντός ενός ενιαίου δειγματολήπτη.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Χάρτης μεθόδων
Η γειτονιά των σχετιζόμενων μεθόδων — επιλέξτε έναν κόμβο για εξερεύνηση.
Πηγές
- Hastings, W. K. (1970). Monte Carlo sampling methods using Markov chains and their applications. Biometrika, 57(1), 97-109. DOI: 10.1093/biomet/57.1.97 ↗
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Model Comparison. ScholarGate. https://scholargate.app/el/bayesian/metropolis-hastings-for-model-comparison
Ποια μέθοδος;
Τοποθετήστε αυτή τη μέθοδο δίπλα στις πιο συγγενείς της και διαβάστε τις παράλληλα — η βιβλιοθήκη απλώνει τα βιβλία στο τραπέζι· η επιλογή είναι δική σας.
- Μπεϋζιανή Μοντελοποίηση με Μέσο ΌροΜπεϋζιανή Στατιστική↔ σύγκριση
- Δειγματοληψία Gibbs για Συγκρίσεις ΜοντέλωνΜπεϋζιανή Στατιστική↔ σύγκριση
- MCMC για Σύγκριση ΜοντέλωνΜπεϋζιανή Στατιστική↔ σύγκριση
- Sequential Monte CarloΜπεϋζιανή Στατιστική↔ σύγκριση
Αναφέρεται από
Similar methods
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →