Methodenbewijsdossier

Multilevel Gibbs Sampling

Multilevel Gibbs sampling applies the Gibbs MCMC algorithm to hierarchical (multilevel) Bayesian models, cycling through the conditional distributions of group-level parameters and population-level hyperparameters in turn. This exploits the conditional independence structure of the hierarchy to draw exact or near-exact samples from a posterior that would otherwise be analytically intractable.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Multilevel Gibbs Sampling for Hierarchical Bayesian Models

Taxonomisch methodendossier · bayesian / bayesian

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

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Same method familyBayesian Hierarchical Modelmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketGibbs Samplingmachine-suggested · Relational suggestion, not evidence.Same method familyHamiltonian Monte Carlomachine-suggested · Relational suggestion, not evidence.Taxonomic bucketHierarchical Bayesian Inferencemachine-suggested · Relational suggestion, not evidence.Same method familyMetropolis-Hastings Algorithmmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketMultilevel MCMCmachine-suggested · Relational suggestion, not evidence.