Campionamento di Gibbs per il Confronto di Modelli
Il campionamento di Gibbs per il confronto di modelli è un approccio MCMC bayesiano che campiona simultaneamente dallo spazio dei modelli in competizione e dai loro parametri. Aumentando il campionatore di Gibbs con una variabile discreta di indice del modello, le probabilità posteriori del modello e i fattori di Bayes vengono stimati dalla catena di Markov risultante senza richiedere esecuzioni separate per ciascun modello.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Gibbs Sampling for Bayesian Model Comparison. ScholarGate. https://scholargate.app/it/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.
- Bayesian Model AveragingBayesiano↔ compare
- Gibbs SamplingBayesiano↔ compare
- Metropolis-Hastings per il confronto di modelliBayesiano↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →