Bayesian methodsBayesian / computational
MCMC를 이용한 모형 비교
MCMC를 이용한 모형 비교는 마르코프 연쇄 몬테카를로 알고리즘을 사용하여 경쟁하는 통계 모형들을 형식적으로 비교하는 데 필요한 주변 가능도(marginal likelihood)와 베이즈 요인(Bayes factor)을 추정한다. 가역 점프 MCMC(reversible-jump MCMC)와 브리지 샘플링(bridge sampling)과 같은 기법은 서로 다른 차원의 모형 공간을 탐색할 수 있게 하여, 완전한 베이즈 모형 선택 및 평균을 가능하게 한다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/ko/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.
- 근사 베이즈 계산시뮬레이션↔ compare
- Bayesian Model Averaging베이지안↔ compare
- 깁스 샘플링(Gibbs Sampling)베이지안↔ compare
- 해밀토니안 몬테카를로베이지안↔ compare
- 마르코프 연쇄 몬테카를로 (MCMC)베이지안↔ compare