Hierarchikus Bayes-i modellátlagolás
A hierarchikus Bayes-i modellátlagolás (HBMA) a Bayes-i modellátlagolást ötvözi a hierarchikus modellstruktúrával, a poszterior mennyiségeket a modellposterior-valószínűségük által súlyozott jelölt modellek halmazán átlagolja. Az egyetlen legjobb modell kiválasztása helyett az HBMA a modellbizonytalanságot terjeszti át egy hierarchikus kereten keresztül, olyan előrejelzéseket és paraméterbecsléseket produkálva, amelyek becsületesen tükrözik a bizonytalanságot a helyes modell kilétét illetően.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–417. link ↗
- Fragoso, T. M., Bertoli, W., & Louzada, F. (2018). Bayesian model averaging: A systematic review and conceptual classification. International Statistical Review, 86(1), 1–28. DOI: 10.1111/insr.12243 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Hierarchical Bayesian Model Averaging. ScholarGate. https://scholargate.app/hu/bayesian/hierarchical-bayesian-model-averaging
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Bayes-információs kritérium (BIC)Modellértékelés↔ összehasonlítás
- Bayes-féle modellátlagolásBayes-statisztika↔ összehasonlítás
- Bayes-féle RegresszióBayes-statisztika↔ összehasonlítás
- Hierarchikus Bayes-féle következtetésBayes-statisztika↔ összehasonlítás
- Hierarchikus Markov-lánc Monte CarloBayes-statisztika↔ összehasonlítás
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →