Metropolis-Hastings mudelivõrdluseks
Metropolis-Hastings mudelivõrdluseks kasutab Metropolis-Hastings MCMC algoritmi, et uurida samaaegselt nii parameetri- kui ka mudeliruumi, tootes konkureerivate mudelite posterioorseid tõenäosusi ja võimaldades Bayes' tegurite hindamist ilma suletud kujul oleva marginaalse tõenäosuse vajaduseta. Kanoniline laiendus – Greeni (1995) pöörduv hüppe MCMC – käsitleb erineva mõõtmetega mudeleid üheainsa proovivõtjaga.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
Allikad
- Hastings, W. K. (1970). Monte Carlo sampling methods using Markov chains and their applications. Biometrika, 57(1), 97-109. DOI: 10.1093/biomet/57.1.97 ↗
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Model Comparison. ScholarGate. https://scholargate.app/et/bayesian/metropolis-hastings-for-model-comparison
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
- Bayes'i mudelikeskmineBayesi meetodid↔ võrdle
- Gibbsi valimimeetod mudelite võrdlemiseksBayesi meetodid↔ võrdle
- MCMC mudelivõrdluseksBayesi meetodid↔ võrdle
- Jadaline Monte CarloBayesi meetodid↔ võrdle
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →