MCMC چندسطحی (Multilevel MCMC)
MCMC چندسطحی، نمونهبرداری مارکوف چین مونت کارلو (Markov chain Monte Carlo sampling) را برای مدلهای بیزی سلسلهمراتبی (چندسطحی) به کار میگیرد. این روش نمونههایی از توزیع پسین مشترک پارامترهای سطح گروه و سطح جمعیت را به طور همزمان استخراج میکند، عدم قطعیت را در سطوح مختلف منتشر کرده و امکان استنتاج در ساختارهای داده خوشهای یا تودرتو را فراهم میآورد که در آنها مشاهدات درون گروهها دارای ویژگیهای توزیعی مشترک هستند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multilevel Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/fa/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.
- رگرسیون بیزیبیزی↔ compare
- نمونهگیری گیبسبیزی↔ compare
- هامیلتونی مونت کارلوبیزی↔ compare
- استنتاج بیزی سلسلهمراتبیبیزی↔ compare
- الگوریتم متروپولیس-هستینگزبیزی↔ compare
- استنتاج تغییریبیزی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →