Bayesian methodsBayesian / computational
다층 메트로폴리스-헤이스팅스
다층 메트로폴리스-헤이스팅스(Multilevel Metropolis-Hastings)는 계층적(다층) 베이즈 모형에 메트로폴리스-헤이스팅스(Metropolis-Hastings) MCMC 알고리즘을 적용하여, 모형의 모든 수준에 걸친 완전한 결합 사후 분포를 존중하는 비율을 통해 후보 값을 제안하고 수락 또는 거부함으로써 그룹 수준 모수와 초모수로부터 동시에 표집합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
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
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Multilevel Metropolis-Hastings Algorithm. ScholarGate. https://scholargate.app/ko/bayesian/multilevel-metropolis-hastings
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 계층적 베이즈 추론베이지안↔ 비교
- 메트로폴리스-헤이스팅스 알고리즘베이지안↔ 비교
- 다층 베이즈 추론베이지안↔ 비교
- 다층 깁스 샘플링베이지안↔ 비교
- 다단계 해밀턴ian 몬테카를로베이지안↔ 비교
- 다수준 변분 추론베이지안↔ 비교