Promedio de Modelos Jerárquicos Bayesianos
El promedio de modelos jerárquicos bayesianos (HBMA, por sus siglas en inglés) combina el promedio de modelos bayesianos con una estructura de modelo jerárquica, promediando cantidades posteriores sobre un conjunto de modelos candidatos ponderados por la probabilidad posterior de cada modelo. En lugar de seleccionar un único modelo óptimo, el HBMA propaga la incertidumbre del modelo a través de un marco jerárquico, produciendo predicciones y estimaciones de parámetros que reflejan honestamente la incertidumbre sobre qué modelo es correcto.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Hierarchical Bayesian Model Averaging. ScholarGate. https://scholargate.app/es/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.
- Criterio de Información Bayesiano (BIC)Evaluación de modelos↔ compare
- Promedio de Modelos BayesianosBayesiano↔ compare
- Regresión bayesianaBayesiano↔ compare
- Inferencia Bayesiana JerárquicaBayesiano↔ compare
- Cadena de Markov Monte Carlo JerárquicaBayesiano↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →