MCMC for modell-sammenligning
MCMC for modell-sammenligning bruker Markov chain Monte Carlo-algoritmer for å estimere de marginale sannsynlighetene og Bayes-faktorene som trengs for formelt å sammenligne konkurrerende statistiske modeller. Teknikker som reversibel-hopp MCMC og bro-sampling tillater utforskning på tvers av modellrom med ulik dimensionalitet, noe som muliggjør fullt Bayesiansk modellvalg og gjennomsnittsberegning.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
- Meng, X.-L., & Wong, W. H. (1996). Simulating ratios of normalizing constants via a simple identity: A theoretical exploration. Statistica Sinica, 6(4), 831–860. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/no/bayesian/mcmc-for-model-comparison
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.
- Approksimativ Bayesiansk BeregningSimulering↔ compare
- Bayesiansk modellgjennomsnittBayesiansk↔ compare
- Gibbs-samplingBayesiansk↔ compare
- Hamiltonian Monte CarloBayesiansk↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →