Muestreo de Gibbs Multinivel
El muestreo de Gibbs multinivel aplica el algoritmo MCMC de Gibbs a modelos bayesianos jerárquicos (multinivel), alternando entre las distribuciones condicionales de los parámetros a nivel de grupo e hiperparámetros a nivel de población. Esto explota la estructura de independencia condicional de la jerarquía para obtener muestras exactas o casi exactas de una posterior que de otro modo sería intratable analíticamente.
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
- Gelman, A. & Hill, J. (2007). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. ISBN: 978-0521686891
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Multilevel Gibbs Sampling for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/es/bayesian/multilevel-gibbs-sampling
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.
- Modelo Jerárquico BayesianoBayesiano↔ compare
- Muestreo de GibbsBayesiano↔ compare
- Hamiltonian Monte CarloBayesiano↔ compare
- Inferencia Bayesiana JerárquicaBayesiano↔ compare
- Algoritmo de Metropolis-HastingsBayesiano↔ compare
- MCMC MultinivelBayesiano↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →