Pensampelan Gibbs Bertingkat
Pensampelan Gibbs bertingkat menggunakan algoritma MCMC Gibbs pada model Bayesian hierarkis (bertingkat), berulang melalui taburan bersyarat parameter peringkat kumpulan dan hiperparameter peringkat populasi secara bergilir. Ini memanfaatkan struktur kebergantungan bersyarat hierarki untuk menarik sampel tepat atau hampir tepat daripada posterior yang sebaliknya tidak dapat diselesaikan secara analitik.
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
- Gelman, A. & Hill, J. (2007). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. ISBN: 978-0521686891
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 3). Multilevel Gibbs Sampling for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/ms/bayesian/multilevel-gibbs-sampling
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.
- Model Hierarki BayesianBayesian↔ compare
- Sampel GibbsBayesian↔ compare
- Hamiltonian Monte CarloBayesian↔ compare
- Inferensi Bayesian HierarkiBayesian↔ compare
- Algoritma Metropolis-HastingsBayesian↔ compare
- MCMC Berbilang ArasBayesian↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →