Hierarhiline Bayes'lik järeldamine
Hierarhiline Bayes'lik järeldamine on tõenäosuslik modelleerimisraamistik, mis korraldab parameetrid tasanditeks, asetades prioorid rühmade tasandi parameetritele ja hüperpriiorid neid priioreid reguleerivatele parameetritele. See võimaldab informatsiooni osalist koondamist rühmade vahel, tasakaalustades äärmusi, kus iga rühma käsitletakse sõltumatuna või kus need ühendatakse üheks hinnanguks.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+28 more
Allikad
- 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
- Gelman, A. (2006). Multilevel (hierarchical) modeling: what it can and cannot do. Technometrics, 48(3), 432-435. DOI: 10.1198/004017005000000661 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Hierarchical Bayesian Inference. ScholarGate. https://scholargate.app/et/bayesian/hierarchical-bayesian-inference
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.
- Bayes' regressioonBayesi meetodid↔ compare
- Gibbs SamplingBayesi meetodid↔ compare
- Hierarchical Markov Chain Monte CarloBayesi meetodid↔ compare
- Markovi ahel-Monte Carlo (MCMC)Bayesi meetodid↔ compare
- Mixed Effects ModelStatistika↔ compare
- Variational InferenceBayesi meetodid↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →