MCMC Multitingkat
MCMC Multitingkat menerapkan sampling Markov chain Monte Carlo pada model Bayesian hierarkis (multitingkat). Metode ini mengambil sampel dari posterior gabungan parameter tingkat kelompok dan tingkat populasi secara bersamaan, menyebarkan ketidakpastian di seluruh tingkatan dan memungkinkan inferensi pada struktur data yang berkelompok atau bersarang di mana observasi dalam kelompok berbagi karakteristik distribusi yang sama.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Multilevel Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/id/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.
- Regresi BayesianBayesian↔ compare
- Sampling GibbsBayesian↔ compare
- Hamiltonian Monte CarloBayesian↔ compare
- Inferensi Bayesian HierarkisBayesian↔ compare
- Algoritma Metropolis-HastingsBayesian↔ compare
- Inferensi VariasionalBayesian↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →