Monitasoisen MCMC:n käyttö
Monitasoinen MCMC soveltaa Markovin ketju-Monte Carlo -otantaa hierarkkisiin (monitasoisiin) Bayesiläisiin malleihin. Se ottaa otoksia sekä ryhmätason että populaatiotason parametrien yhteisestä posteriorijakaumasta samanaikaisesti, välittäen epävarmuutta tasojen välillä ja mahdollistaen päättelyn ryhmitellyissä tai sisäkkäisissä data-rakenteissa, joissa ryhmien sisäiset havainnot jakavat yhteisiä jakaumallisia ominaisuuksia.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Multilevel Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/fi/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.
- Bayesilainen regressioBayesilainen tilastotiede↔ compare
- Gibbs-otantaBayesilainen tilastotiede↔ compare
- Hamiltonin Monte CarloBayesilainen tilastotiede↔ compare
- Hierarkkinen Bayesiläinen päättelyBayesilainen tilastotiede↔ compare
- Metropolis-Hastings-algoritmiBayesilainen tilastotiede↔ compare
- VariaatioinferenssiBayesilainen tilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →