Bayesian methodsBayesian / computational
다수준 MCMC (Multilevel MCMC)
다수준 MCMC는 마르코프 연쇄 몬테카를로 샘플링을 계층적(다수준) 베이즈 모델에 적용합니다. 이는 군 수준 및 모집단 수준 매개변수의 결합 사후 분포에서 동시에 표본을 추출하여, 수준 간 불확실성을 전파하고 관측치가 그룹 내에서 공통된 분포 특성을 공유하는 군집형 또는 중첩형 데이터 구조에서의 추론을 가능하게 합니다.
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.
+3 more
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
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398-409. DOI: 10.1080/01621459.1990.10476213 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Multilevel Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/ko/bayesian/multilevel-mcmc
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.
- 베이즈 회귀베이지안↔ compare
- 깁스 샘플링(Gibbs Sampling)베이지안↔ compare
- 해밀토니안 몬테카를로베이지안↔ compare
- 계층적 베이즈 추론베이지안↔ compare
- 메트로폴리스-헤이스팅스 알고리즘베이지안↔ compare
- 변분 추론베이지안↔ compare