Hijerarhijsko Markovljevo pokretanje uzoraka Monte Carlo
Hijerarhijsko Markovljevo pokretanje uzoraka Monte Carlo primjenjuje MCMC uzorkovanje na hijerarhijske Bayesovske modele, istodobno uzorkujući iz posteriora i parametara na razini opažanja i meta-parametara koji ih upravljaju. To omogućuje principijelno širenje nesigurnosti kroz sve razine višerazinske strukture, od pojedinaca do skupina do populacije, koristeći algoritme poput Gibbs-ovog uzorkovanja, Metropolis-Hastingsa ili Hamiltonovskog Monte Carla.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
+2 više
Izvori
- 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
- Robert, C. P. & Casella, G. (2004). Monte Carlo Statistical Methods (2nd ed.). Springer. ISBN: 978-0387212395
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/hr/bayesian/hierarchical-markov-chain-monte-carlo
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Bayesovska regresijaBayesovska statistika↔ usporedi
- Gibbs uzorkovanjeBayesovska statistika↔ usporedi
- Hamiltonian Monte CarloBayesovska statistika↔ usporedi
- Hijerarhijsko Bayesovo zaključivanjeBayesovska statistika↔ usporedi
- Metropolis-Hastingsov algoritamBayesovska statistika↔ usporedi
- Varijacijska inferencijaBayesovska statistika↔ usporedi
Citirana u
Similar methods
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →