Hierarkkinen Bayesilainen mallien keskiarvoistus
Hierarkkinen Bayesilainen mallien keskiarvoistus (HBMA) yhdistää Bayesilaisen mallien keskiarvoistuksen hierarkkiseen mallirakenteeseen. Se keskiarvoistaa posteriorisuureita ehdokasmallijoukon yli painottaen kunkin mallin posterioritodennäköisyyttä. Sen sijaan, että valittaisiin yksi paras malli, HBMA levittää malliepävarmuutta hierarkkisen kehyksen läpi tuottaen ennusteita ja parametriarvioita, jotka heijastavat rehellisesti epävarmuutta siitä, mikä malli on oikea.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–417. link ↗
- Fragoso, T. M., Bertoli, W., & Louzada, F. (2018). Bayesian model averaging: A systematic review and conceptual classification. International Statistical Review, 86(1), 1–28. DOI: 10.1111/insr.12243 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Hierarchical Bayesian Model Averaging. ScholarGate. https://scholargate.app/fi/bayesian/hierarchical-bayesian-model-averaging
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.
- Bayesiläinen informaatiokriteeri (BIC)Mallien arviointi↔ compare
- Bayesiläinen mallikeskiarvoistusBayesilainen tilastotiede↔ compare
- Bayesilainen regressioBayesilainen tilastotiede↔ compare
- Hierarkkinen Bayesiläinen päättelyBayesilainen tilastotiede↔ compare
- Hierarkkinen Markovin ketju -Monte CarloBayesilainen tilastotiede↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →