Bayesian methodsBayesian / computational

MCMC برای مقایسه مدل

MCMC برای مقایسه مدل از الگوریتم‌های مونت کارلو زنجیره مارکوف برای تخمین احتمال حاشیه‌ای و فاکتورهای بیز مورد نیاز برای مقایسه رسمی مدل‌های آماری رقیب استفاده می‌کند. تکنیک‌هایی مانند MCMC پرش-معکوس و نمونه‌گیری پل امکان کاوش در فضاهای مدل با ابعاد متفاوت را فراهم می‌کنند و انتخاب و میانگین‌گیری مدل کاملاً بیزی را ممکن می‌سازند.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. 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
  2. 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

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/fa/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.

Compare side by side

ارجاع‌شده در

ScholarGateMCMC for Model Comparison (Markov Chain Monte Carlo for Bayesian Model Comparison). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/bayesian/mcmc-for-model-comparison · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026