MCMC untuk Perbandingan Model
MCMC untuk perbandingan model menggunakan algoritma Markov chain Monte Carlo untuk mengestimasi likelihood marjinal dan faktor Bayes yang diperlukan untuk membandingkan model statistik yang bersaing secara formal. Teknik seperti MCMC reversible-jump dan bridge sampling memungkinkan eksplorasi di seluruh ruang model dengan dimensi yang berbeda, memungkinkan pemilihan dan perataan model Bayesian secara penuh.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Green, P. J. (1995). Reversible jump Markov chain Monte Carlo computation and Bayesian model determination. Biometrika, 82(4), 711–732. DOI: 10.1093/biomet/82.4.711 ↗
- Meng, X.-L., & Wong, W. H. (1996). Simulating ratios of normalizing constants via a simple identity: A theoretical exploration. Statistica Sinica, 6(4), 831–860. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/id/bayesian/mcmc-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.
- Perhitungan Bayesian AproksimatifSimulasi↔ compare
- Rata-rata Model BayesianBayesian↔ compare
- Sampling GibbsBayesian↔ compare
- Hamiltonian Monte CarloBayesian↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesian↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →