Hierarhiskā Bayes'a modeļu vidēšana
Hierarhiskā Bayes'a modeļu vidēšana (HBMA) apvieno Bayes'a modeļu vidēšanu ar hierarhisku modeļu struktūru, vidējot pēcnorakstītās kvantitātes pār kandidātu modeļu kopumu, kuras svērtas ar katra modeļa pēcnorakstīto varbūtību. Tā vietā, lai izvēlētos vienu labāko modeli, HBMA izplata modeļu nenoteiktību caur hierarhisku sistēmu, radot prognozes un parametru novērtējumus, kas godīgi atspoguļo nenoteiktību par to, kurš modelis ir pareizs.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–417. link ↗
- Fragoso, T. M., Bertoli, W., & Louzada, F. (2018). Bayesian model averaging: A systematic review and conceptual classification. International Statistical Review, 86(1), 1–28. DOI: 10.1111/insr.12243 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Hierarchical Bayesian Model Averaging. ScholarGate. https://scholargate.app/lv/bayesian/hierarchical-bayesian-model-averaging
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.
- Bayesian Information Criterion (BIC)Modeļu novērtēšana↔ compare
- Brojesa modeļu vidējais svērumsBajesa metodes↔ compare
- Beijesiskā regresijaBajesa metodes↔ compare
- Hierarhiskā Bayesas inferencēšanaBajesa metodes↔ compare
- Hierarchical Markov Chain Monte CarloBajesa metodes↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →