MCMC para la comparación de modelos
La MCMC para la comparación de modelos utiliza algoritmos de Monte Carlo de cadena de Markov para estimar las verosimilitudes marginales y los factores de Bayes necesarios para comparar formalmente modelos estadísticos en competencia. Técnicas como la MCMC de salto reversible (reversible-jump MCMC) y el muestreo de puente (bridge sampling) permiten la exploración a través de espacios de modelos de diferente dimensionalidad, posibilitando la selección y el promedio de modelos de forma totalmente bayesiana.
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
- 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 ↗
- Meng, X.-L., & Wong, W. H. (1996). Simulating ratios of normalizing constants via a simple identity: A theoretical exploration. Statistica Sinica, 6(4), 831–860. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/es/bayesian/mcmc-for-model-comparison
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.
- Computación Bayesiana AproximadaSimulación↔ compare
- Promedio de Modelos BayesianosBayesiano↔ compare
- Muestreo de GibbsBayesiano↔ compare
- Hamiltonian Monte CarloBayesiano↔ compare
- Cadenas de Markov Monte Carlo (MCMC)Bayesiano↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →