Bayesian methodsBayesian / computational
マルチレベル・メトロポリス・ヘイスティングス
マルチレベル・メトロポリス・ヘイスティングスは、階層的（マルチレベル）ベイズモデルにメトロポリス・ヘイスティングスMCMCアルゴリズムを適用し、グループレベルのパラメータとハイパーパラメータの両方から同時にサンプリングを行う。これは、候補値を提案し、モデルの全レベルにわたる完全な同時事後分布を尊重する比率によってそれらを受け入れるか棄却するかによって実現される。
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。
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
- 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
- Roberts, G. O. & Sahu, S. K. (1997). Updating schemes, correlation structure, blocking and parameterisation for the Gibbs sampler. Journal of the Royal Statistical Society: Series B, 59(2), 291-317. DOI: 10.1111/1467-9868.00070 ↗
このページの引用方法
ScholarGate. (2026, June 3). Multilevel Metropolis-Hastings Algorithm. ScholarGate. https://scholargate.app/ja/bayesian/multilevel-metropolis-hastings
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。
- 階層ベイズ推論ベイズ↔ 比較
- メトロポリス・ヘイスティングス法ベイズ↔ 比較
- 階層ベイズ推論ベイズ↔ 比較
- 多層ギブスサンプリングベイズ↔ 比較
- Multilevel Hamiltonian Monte Carloベイズ↔ 比較
- Multilevel Variational Inferenceベイズ↔ 比較