Bayesian methodsBayesian / computational
モデル比較のためのメトロポリス・ヘイスティングス法
モデル比較のためのメトロポリス・ヘイスティングス法は、メトロポリス・ヘイスティングス MCMC アルゴリズムを用いて、パラメータ空間とモデル空間の両方を同時に探索し、競合するモデルの事後確率を生成し、閉形式の周辺尤度を必要とせずにベイズ因子推定を可能にします。グリーン (1995) による可逆ジャンプ MCMC という標準的な拡張は、単一のサンプラー内で異なる次元のモデルを扱います。
MethodMindで開く近日公開Apply, compare, get guidance
Tools & resources
Learn & explore
動画近日公開
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。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- Hastings, W. K. (1970). Monte Carlo sampling methods using Markov chains and their applications. Biometrika, 57(1), 97-109. DOI: 10.1093/biomet/57.1.97 ↗
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Model Comparison. ScholarGate. https://scholargate.app/ja/bayesian/metropolis-hastings-for-model-comparison
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
並べて比較する →