Confronto tra modelli mediante MCMC
Il confronto tra modelli mediante MCMC utilizza algoritmi Markov chain Monte Carlo per stimare le verosimiglianze marginali e i fattori di Bayes necessari per confrontare formalmente modelli statistici concorrenti. Tecniche come MCMC a salto reversibile (reversible-jump MCMC) e il campionamento a ponte (bridge sampling) consentono l'esplorazione di spazi di modelli di diversa dimensionalità, abilitando la selezione e la mediazione dei modelli completamente bayesiana.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/it/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.
- Approssimate Bayesian ComputationSimulazione↔ compare
- Bayesian Model AveragingBayesiano↔ compare
- Gibbs SamplingBayesiano↔ compare
- Hamiltonian Monte CarloBayesiano↔ compare
- Catena di Markov Monte Carlo (MCMC)Bayesiano↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →