Metropolis-Hastings להשוואת מודלים
Metropolis-Hastings להשוואת מודלים משתמש באלגוריתם MCMC מסוג Metropolis-Hastings כדי לחקור בו-זמנית גם את מרחב הפרמטרים וגם את מרחב המודלים, ומפיק הסתברויות פוסטריוריות עבור מודלים מתחרים ומאפשר אמידה של פקטורי בייס (Bayes factor) ללא צורך בחישוב אנליטי של פונקציות צפיפות שוליות (marginal likelihoods). ההרחבה הקנונית – MCMC מסוג reversible-jump מאת Green (1995) – מטפלת במודלים בעלי ממדים שונים בתוך דוגם (sampler) יחיד.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Model Comparison. ScholarGate. https://scholargate.app/he/bayesian/metropolis-hastings-for-model-comparison
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- מיצוע מודלים בייסיאניבייסיאני↔ השוואה
- דגימת גיבס להשוואת מודליםבייסיאני↔ השוואה
- MCMC להשוואת מודליםבייסיאני↔ השוואה
- מונטה קרלו סדרתיבייסיאני↔ השוואה