Sampling Gibbs untuk Perbandingan Model
Sampling Gibbs untuk perbandingan model adalah pendekatan MCMC Bayesian yang secara simultan melakukan sampling dari ruang model-model yang bersaing dan parameternya. Dengan menambahkan variabel indeks model diskrit pada sampler Gibbs, probabilitas model posterior dan faktor Bayes diestimasi dari rantai Markov yang dihasilkan tanpa memerlukan eksekusi terpisah per model.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Carlin, B. P. & Chib, S. (1995). Bayesian model choice via Markov chain Monte Carlo methods. Journal of the Royal Statistical Society, Series B, 57(3), 473-484. DOI: 10.1111/j.2517-6161.1995.tb02042.x ↗
- 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
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Gibbs Sampling for Bayesian Model Comparison. ScholarGate. https://scholargate.app/id/bayesian/gibbs-sampling-for-model-comparison
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.
- Rata-rata Model BayesianBayesian↔ compare
- Sampling GibbsBayesian↔ compare
- Metropolis-Hastings untuk Perbandingan ModelBayesian↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →