MCMC para Comparação de Modelos
A MCMC para comparação de modelos utiliza algoritmos de Monte Carlo via cadeia de Markov para estimar as verossimilhanças marginais e os fatores de Bayes necessários para comparar formalmente modelos estatísticos concorrentes. Técnicas como MCMC de salto reversível (reversible-jump MCMC) e amostragem em ponte (bridge sampling) permitem a exploração de espaços de modelos de dimensionalidade diferente, possibilitando a seleção e a média de modelos totalmente bayesianas.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/pt/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.
- Computação Bayesiana AproximadaSimulação↔ compare
- Média Bayesiana de ModelosBayesiano↔ compare
- Amostragem de GibbsBayesiano↔ compare
- Monte Carlo HamiltonianoBayesiano↔ compare
- Cadeia de Markov Monte Carlo (MCMC)Bayesiano↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →