Multilevel Metropolis-Hastings
Multilevel Metropolis-Hastings past de Metropolis-Hastings MCMC-algoritme toe op hiërarchische (multilevel) Bayesiaanse modellen, waarbij gezamenlijk wordt gesampled uit groepsniveau-parameters en hyperparameters door kandidaatwaarden voor te stellen en deze te accepteren of te weigeren via een ratio die de volledige gezamenlijke posterior over alle niveaus van het model respecteert.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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
- Roberts, G. O. & Sahu, S. K. (1997). Updating schemes, correlation structure, blocking and parameterisation for the Gibbs sampler. Journal of the Royal Statistical Society: Series B, 59(2), 291-317. DOI: 10.1111/1467-9868.00070 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Multilevel Metropolis-Hastings Algorithm. ScholarGate. https://scholargate.app/nl/bayesian/multilevel-metropolis-hastings
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Hiërarchische Bayesiaanse InferentieBayesiaanse statistiek↔ vergelijken
- Metropolis-Hastings AlgoritmeBayesiaanse statistiek↔ vergelijken
- Multilevel Bayesiaanse InferentieBayesiaanse statistiek↔ vergelijken
- Multilevel Gibbs-steekproefnemingBayesiaanse statistiek↔ vergelijken
- Multilevel Hamiltonian Monte CarloBayesiaanse statistiek↔ vergelijken
- Multilevel Variational InferenceBayesiaanse statistiek↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →