Bayesian methodsBayesian / computational
モデル比較のためのMCMC
モデル比較のためのMCMCは、マルコフ連鎖モンテカルロアルゴリズムを用いて、競合する統計モデルを形式的に比較するために必要な周辺尤度およびベイズ因子を推定する。可逆ジャンプMCMCやブリッジサンプリングなどの手法により、次元の異なるモデル空間を探索することができ、完全なベイズ的モデル選択および平均化を可能にする。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/ja/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.
- 尤度フリー推論のための近似ベイズ計算シミュレーション↔ compare
- ベイズモデル平均ベイズ↔ compare
- Gibbs Samplingベイズ↔ compare
- ハミルトニアンモンテカルロベイズ↔ compare
- マルコフ連鎖モンテカルロ法 (MCMC)ベイズ↔ compare