Daudzlīmeņu Bajesas modeļu vidējošana
Daudzlīmeņu Bajesas modeļu vidējošana (ML-BMA) paplašina klasisko Bajesas modeļu vidējošanu uz grupētiem vai hierarhiski strukturētiem datiem. Tā vietā, lai izmantotu vienu daudzlīmeņu modeļa specifikāciju, tā aprēķina prognožu un parametru novērtējumu svērto vidējo vērtību no kandidātu daudzlīmeņu modeļu kopuma, katram modelim piešķirot svaru, kas atbilst tā posteriora varbūtībai, ņemot vērā datus. Rezultāts vienlaicīgi ņem vērā nenoteiktību grupēšanas struktūrā, fiksētajos efektos, nejaušajos efektos un kovariātu izvēlē.
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), 382-401. link ↗
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multilevel Bayesian Model Averaging. ScholarGate. https://scholargate.app/lv/bayesian/multilevel-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.
- Brojesa modeļu vidējais svērumsBajesa metodes↔ compare
- Beijesiskā regresijaBajesa metodes↔ compare
- Gibbs SamplingBajesa metodes↔ compare
- Hierarhiskā Bayesas inferencēšanaBajesa metodes↔ compare
- Daudzlīmeņu MCMCBajesa metodes↔ compare
- Daudzlīmeņu variācijas izziņaBajesa metodes↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →