Metropolis-Hastings for model comparison
Metropolis-Hastings for model comparison uses the Metropolis-Hastings MCMC algorithm to explore both parameter and model space simultaneously, producing posterior probabilities for competing models and enabling Bayes factor estimation without requiring closed-form marginal likelihoods. The canonical extension — reversible-jump MCMC by Green (1995) — handles models of different dimensionalities within a single sampler.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
- Hastings, W. K. (1970). Monte Carlo sampling methods using Markov chains and their applications. Biometrika, 57(1), 97-109. · DOI 10.1093/biomet/57.1.97
- 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
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.