MCMC pour la comparaison de modèles
La MCMC pour la comparaison de modèles utilise des algorithmes de Monte Carlo par chaînes de Markov pour estimer les vraisemblances marginales et les facteurs de Bayes nécessaires à la comparaison formelle de modèles statistiques concurrents. Des techniques telles que la MCMC à saut réversible (reversible-jump MCMC) et l'échantillonnage par pont (bridge sampling) permettent d'explorer des espaces de modèles de dimensions différentes, autorisant une sélection et une moyenne de modèles entièrement bayésiennes.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
- Meng, X.-L., & Wong, W. H. (1996). Simulating ratios of normalizing constants via a simple identity: A theoretical exploration. Statistica Sinica, 6(4), 831–860. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/fr/bayesian/mcmc-for-model-comparison
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.
- Calcul bayésien approximatifSimulation↔ compare
- Moyenne Bayésienne de ModèlesBayésien↔ compare
- Échantillonnage de GibbsBayésien↔ compare
- Monte Carlo HamiltonienBayésien↔ compare
- Chaîne de Markov Monte Carlo (MCMC)Bayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →