Metropolis-Hastings para comparación de modelos

Metropolis-Hastings para comparación de modelos utiliza el algoritmo MCMC de Metropolis-Hastings para explorar simultáneamente el espacio de parámetros y de modelos, produciendo probabilidades posteriores para modelos competidores y permitiendo la estimación de factores de Bayes sin requerir marginales de verosimilitud en forma cerrada. La extensión canónica — MCMC de salto reversible (reversible-jump MCMC) de Green (1995) — maneja modelos de diferentes dimensionalidades dentro de un único muestreador.