Metropolis-Hastings for model comparison
Metropolis-Hastings for model comparison uses the Metropolis-Hastings MCMC algorithm to explore both parameter and model space simultaneously, producing posterior probabilities for competing models and enabling Bayes factor estimation without requiring closed-form marginal likelihoods. The canonical extension — reversible-jump MCMC by Green (1995) — handles models of different dimensionalities within a single sampler.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
- 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
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.