Többszintű MCMC
A többszintű MCMC (Multilevel MCMC) Markov-lánc Monte Carlo mintavételezést alkalmaz hierarchikus (többszintű) Bayes-modellekre. Mintákat vesz mind a csoportszintű, mind a populációs szintű paraméterek együttes poszteriorjából, egyidejűleg terjesztve a bizonytalanságot a szintek között, és lehetővé téve a következtetést klaszterezett vagy beágyazott adatszerkezetekben, ahol a csoportokon belüli megfigyelések közös eloszlási jellemzőkkel rendelkeznek.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Források
- 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
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398-409. DOI: 10.1080/01621459.1990.10476213 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Multilevel Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/hu/bayesian/multilevel-mcmc
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 RegresszióBayes-statisztika↔ compare
- Gibbs-mintavételBayes-statisztika↔ compare
- Hamiltonian Monte CarloBayes-statisztika↔ compare
- Hierarchikus Bayes-féle következtetésBayes-statisztika↔ compare
- Metropolis-Hastings algoritmusBayes-statisztika↔ compare
- Variational InferenceBayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →