MCMC mudelivõrdluseks
MCMC mudelivõrdluseks kasutab Markovi ahela Monte Carlo algoritme, et hinnata marginaalseid tõenäosusi ja Bayesi faktoreid, mis on vajalikud konkureerivate statistiliste mudelite formaalseks võrdlemiseks. Tehnikaid nagu pöörduv hüpe MCMC (reversible-jump MCMC) ja silla proovivõtt (bridge sampling) võimaldavad uurida erineva mõõtmelisusega mudeliruume, toetades täielikult bayesilikku mudelivalikut ja keskmistamist.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/et/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.
- Tundlik-vaba järeldus (Approximate Bayesian ComputationSimulatsioon↔ compare
- Bayes'i mudelikeskmineBayesi meetodid↔ compare
- Gibbs SamplingBayesi meetodid↔ compare
- Hamiltoni Monte CarloBayesi meetodid↔ compare
- Markovi ahel-Monte Carlo (MCMC)Bayesi meetodid↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →