MCMC untuk Perbandingan Model
MCMC untuk perbandingan model menggunakan algoritma Markov chain Monte Carlo untuk menganggarkan kemungkinan marjinal dan faktor Bayes yang diperlukan untuk membandingkan model statistik yang bersaing secara formal. Teknik seperti MCMC boleh-lompat berbalikan dan pensampelan jambatan membolehkan penerokaan merentasi ruang model berdimensi berbeza, membolehkan pemilihan dan purataan model Bayesian sepenuhnya.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/ms/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.
- Pengiraan Bayesian AnggaranSimulasi↔ compare
- Bayesian Model AveragingBayesian↔ compare
- Sampel GibbsBayesian↔ compare
- Hamiltonian Monte CarloBayesian↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesian↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →