Échantillonnage de Gibbs multiniveaux
L'échantillonnage de Gibbs multiniveaux applique l'algorithme MCMC de Gibbs aux modèles bayésiens hiérarchiques (multiniveaux), en parcourant successivement les distributions conditionnelles des paramètres de niveau de groupe et des hyperparamètres de niveau de population. Ceci exploite la structure d'indépendance conditionnelle de la hiérarchie pour tirer des échantillons exacts ou quasi-exacts d'un postérieur qui serait autrement analytiquement intraitable.
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
- Gelman, A. & Hill, J. (2007). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. ISBN: 978-0521686891
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Multilevel Gibbs Sampling for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/fr/bayesian/multilevel-gibbs-sampling
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.
- Modèle hiérarchique bayésienBayésien↔ compare
- Échantillonnage de GibbsBayésien↔ compare
- Monte Carlo HamiltonienBayésien↔ compare
- Inférence bayésienne hiérarchiqueBayésien↔ compare
- Algorithme de Metropolis-HastingsBayésien↔ compare
- MCMC multiniveauBayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →