Metropolis-Hastings untuk Perbandingan Model
Metropolis-Hastings untuk perbandingan model menggunakan algoritma MCMC Metropolis-Hastings untuk meneroka ruang parameter dan model secara serentak, menghasilkan kebarangkalian posterior untuk model bersaing dan membolehkan anggaran faktor Bayes tanpa memerlukan kemungkinan kewajaran marjinal bentuk tertutup. Pelanjutan kanonik — MCMC lompatan berbalas oleh Green (1995) — mengendalikan model berdimensi berbeza dalam satu pensampel.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- Hastings, W. K. (1970). Monte Carlo sampling methods using Markov chains and their applications. Biometrika, 57(1), 97-109. DOI: 10.1093/biomet/57.1.97 ↗
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Model Comparison. ScholarGate. https://scholargate.app/ms/bayesian/metropolis-hastings-for-model-comparison
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Bayesian Model AveragingBayesian↔ banding
- Sampelan Gibbs untuk Perbandingan ModelBayesian↔ banding
- MCMC untuk Perbandingan ModelBayesian↔ banding
- Monte Carlo SekuensialBayesian↔ banding
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →