Multilevel Metropolis-Hastings
Multilevel Metropolis-Hastings anvender Metropolis-Hastings MCMC-algoritmen på hierarkiske (fler-nivå) Bayesianske modeller, og sampler samlet fra gruppenivåparametere og hyperparametere ved å foreslå kandidatverdier og akseptere eller forkaste dem via et forhold som respekterer hele den felles posteriorfordelingen på tvers av alle nivåer i modellen.
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
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Multilevel Metropolis-Hastings Algorithm. ScholarGate. https://scholargate.app/no/bayesian/multilevel-metropolis-hastings
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.
- Hierarkisk Bayesiansk InferensBayesiansk↔ compare
- Metropolis-Hastings-algoritmenBayesiansk↔ compare
- Bayesiansk inferens på flere nivåerBayesiansk↔ compare
- Multilevel Gibbs SamplingBayesiansk↔ compare
- Multilevel Hamiltonian Monte CarloBayesiansk↔ compare
- Multinivå Variasjonell InferensBayesiansk↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →