Multilevel MCMC
Multilevel MCMC anvender Markov chain Monte Carlo-sampling på hierarkiske (multilevel) Bayesianske modeller. Den trekker utvalg fra den felles posteriorfordelingen for både gruppenivå- og populasjonsnivåparametere samtidig, og propagerer usikkerhet på tvers av nivåer, noe som muliggjør inferens i klyngede eller nestede datastrukturer der observasjoner innenfor grupper deler felles distribusjonelle kjennetegn.
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.
+3 more
Kilder
- 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
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398-409. DOI: 10.1080/01621459.1990.10476213 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Multilevel Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/no/bayesian/multilevel-mcmc
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.
- Bayesiansk regresjonBayesiansk↔ compare
- Gibbs-samplingBayesiansk↔ compare
- Hamiltonian Monte CarloBayesiansk↔ compare
- Hierarkisk Bayesiansk InferensBayesiansk↔ compare
- Metropolis-Hastings-algoritmenBayesiansk↔ compare
- VariasjonsinferensBayesiansk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →