Bayesian methodsBayesian / computational

نمونه‌برداری گیبس چندسطحی

نمونه‌برداری گیبس چندسطحی، الگوریتم زنجیره مارکوف مونت کارلو گیبس (Gibbs MCMC) را برای مدل‌های بیزی سلسله‌مراتبی (چندسطحی) به کار می‌برد و به نوبت در توزیع‌های شرطی پارامترهای سطح گروه و فراپارامترهای سطح جمعیت گردش می‌کند. این روش از ساختار استقلال شرطی سلسله‌مراتب بهره می‌برد تا نمونه‌های دقیق یا تقریباً دقیق را از یک توزیع پسین استخراج کند که در غیر این صورت از نظر تحلیلی غیرقابل حل خواهد بود.

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. Gelman, A. & Hill, J. (2007). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. ISBN: 978-0521686891
  2. 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

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Multilevel Gibbs Sampling for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/fa/bayesian/multilevel-gibbs-sampling

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

ScholarGateMultilevel Gibbs Sampling (Multilevel Gibbs Sampling for Hierarchical Bayesian Models). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/bayesian/multilevel-gibbs-sampling · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026