Amostragem de Gibbs para Comparação de Modelos
A amostragem de Gibbs para comparação de modelos é uma abordagem Bayesiana MCMC que amostra simultaneamente do espaço de modelos concorrentes e seus parâmetros. Ao aumentar o amostrador de Gibbs com uma variável discreta de índice de modelo, as probabilidades posteriores de modelo e os fatores de Bayes são estimados a partir da cadeia de Markov resultante sem exigir execuções separadas por modelo.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- Carlin, B. P. & Chib, S. (1995). Bayesian model choice via Markov chain Monte Carlo methods. Journal of the Royal Statistical Society, Series B, 57(3), 473-484. DOI: 10.1111/j.2517-6161.1995.tb02042.x ↗
- 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
Como citar esta página
ScholarGate. (2026, June 3). Gibbs Sampling for Bayesian Model Comparison. ScholarGate. https://scholargate.app/pt/bayesian/gibbs-sampling-for-model-comparison
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Média Bayesiana de ModelosBayesiano↔ comparar
- Amostragem de GibbsBayesiano↔ comparar
- Metropolis-Hastings para Comparação de ModelosBayesiano↔ comparar
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →