Multilevel MCMC
Multilevel MCMC rakendab Markovi ahel-Monte Carlo (MCMC) meetodit hierarhilistele (mitmetasandilistele) bayesiaanlikele mudelitele. See genereerib valimeid nii grupi- kui ka populatsioonitasandi parameetrite ühisest järeltarvitusest samaaegselt, levitades määramatust tasandite vahel ja võimaldades järeldusi klastreeritud või pesastatud andmestruktuurides, kus vaatlused gruppide sees jagavad ühiseid jaotuslikke omadusi.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+3 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
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398-409. DOI: 10.1080/01621459.1990.10476213 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Multilevel Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/et/bayesian/multilevel-mcmc
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
- Hamiltoni Monte CarloBayesi meetodid↔ compare
- Hierarhiline Bayes'lik järeldamineBayesi meetodid↔ compare
- Metropolis-Hastingsi algoritmBayesi meetodid↔ compare
- Variational InferenceBayesi meetodid↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →