Multilevel Gibbs Sampling
A multilevel Gibbs-mintavételelési eljárás a Gibbs MCMC algoritmust alkalmazza hierarchikus (multiszintű) Bayes-i modellekre, ciklikusan váltva a csoportszintű paraméterek és a populációszintű hiperparaméterek feltételes eloszlásai között. Ez kihasználja a hierarchia feltételes függetlenségi szerkezetét, hogy pontos vagy közel pontos mintákat nyerjen egy olyan utóeloszlásból, amely egyébként analitikailag nem lenne kezelhető.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Multilevel Gibbs Sampling for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/hu/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.
- Bayes-féle hierarchikus modellBayes-statisztika↔ compare
- Gibbs-mintavételBayes-statisztika↔ compare
- Hamiltonian Monte CarloBayes-statisztika↔ compare
- Hierarchikus Bayes-féle következtetésBayes-statisztika↔ compare
- Metropolis-Hastings algoritmusBayes-statisztika↔ compare
- Többszintű MCMCBayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →