Bayesian methodsBayesian / computational
계층적 마르코프 연쇄 몬테카를로
계층적 마르코프 연쇄 몬테카를로(Hierarchical Markov Chain Monte Carlo, HMC)는 계층적 베이즈 모델에 MCMC 샘플링을 적용하여, 관측 수준 모수와 이를 지배하는 초모수(hyperparameter)의 사후 분포에서 동시에 표본을 추출합니다. 이를 통해 깁스 샘플링(Gibbs sampling), 메트로폴리스-헤이스팅스(Metropolis-Hastings), 또는 해밀턴 몬테카를로(Hamiltonian Monte Carlo)와 같은 알고리즘을 사용하여 개인 수준부터 집단 수준, 그리고 모집단 수준까지 다수준 구조의 모든 계층에 걸쳐 불확실성을 원칙적으로 전파할 수 있습니다.
MethodMind에서 열기곧 제공Apply, compare, get guidance
Tools & resources
Learn & explore
동영상곧 제공
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
+2개 더
출처
- 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
- Robert, C. P. & Casella, G. (2004). Monte Carlo Statistical Methods (2nd ed.). Springer. ISBN: 978-0387212395
이 페이지 인용 방법
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/ko/bayesian/hierarchical-markov-chain-monte-carlo
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 베이즈 회귀베이지안↔ 비교
- 깁스 샘플링(Gibbs Sampling)베이지안↔ 비교
- 해밀토니안 몬테카를로베이지안↔ 비교
- 계층적 베이즈 추론베이지안↔ 비교
- 메트로폴리스-헤이스팅스 알고리즘베이지안↔ 비교
- 변분 추론베이지안↔ 비교