Metropolis-Hastings para Comparação de Modelos
O Metropolis-Hastings para comparação de modelos utiliza o algoritmo MCMC Metropolis-Hastings para explorar simultaneamente o espaço de parâmetros e de modelos, produzindo probabilidades a posteriori para modelos concorrentes e permitindo a estimação de fatores de Bayes sem a necessidade de verossimilhanças marginais em forma fechada. A extensão canônica — MCMC de salto reversível por Green (1995) — lida com modelos de diferentes dimensionalidades dentro de um único amostrador.
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
- Hastings, W. K. (1970). Monte Carlo sampling methods using Markov chains and their applications. Biometrika, 57(1), 97-109. DOI: 10.1093/biomet/57.1.97 ↗
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Model Comparison. ScholarGate. https://scholargate.app/pt/bayesian/metropolis-hastings-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 Gibbs para Comparação de ModelosBayesiano↔ comparar
- MCMC para Comparação de ModelosBayesiano↔ comparar
- Monte Carlo SequencialBayesiano↔ comparar
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →