ScholarGate
Βοηθός
Bayesian methodsBayesian / computational

Πολυεπίπεδη Metropolis-Hastings

Η Πολυεπίπεδη Metropolis-Hastings εφαρμόζει τον αλγόριθμο MCMC Metropolis-Hastings σε ιεραρχικά (πολυεπίπεδα) Μπεϋζιανά μοντέλα, δειγματοληπτώντας από κοινού από παραμέτρους και υπερπαραμέτρους σε επίπεδο ομάδας, προτείνοντας υποψήφιες τιμές και αποδεχόμενη ή απορρίπτοντάς τες μέσω ενός λόγου που σέβεται την πλήρη από κοινού οπίσθια κατανομή σε όλα τα επίπεδα του μοντέλου.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαΛήψη διαφανειών

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Χάρτης μεθόδων

Η γειτονιά των σχετιζόμενων μεθόδων — επιλέξτε έναν κόμβο για εξερεύνηση.

Πηγές

  1. 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
  2. Roberts, G. O. & Sahu, S. K. (1997). Updating schemes, correlation structure, blocking and parameterisation for the Gibbs sampler. Journal of the Royal Statistical Society: Series B, 59(2), 291-317. DOI: 10.1111/1467-9868.00070

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Multilevel Metropolis-Hastings Algorithm. ScholarGate. https://scholargate.app/el/bayesian/multilevel-metropolis-hastings

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.

Συγκρίνετε παράλληλα
ScholarGateMultilevel Metropolis-Hastings (Multilevel Metropolis-Hastings Algorithm). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/bayesian/multilevel-metropolis-hastings · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026