Amostragem de Gibbs Multinível
A amostragem de Gibbs multinível aplica o algoritmo MCMC de Gibbs a modelos bayesianos hierárquicos (multinível), alternando entre as distribuições condicionais dos parâmetros de nível de grupo e dos hiperparâmetros de nível de população. Isso explora a estrutura de independência condicional da hierarquia para extrair amostras exatas ou quase exatas de uma posterior que, de outra forma, seria analiticamente intratável.
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
- Gelman, A. & Hill, J. (2007). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. ISBN: 978-0521686891
- 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). Multilevel Gibbs Sampling for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/pt/bayesian/multilevel-gibbs-sampling
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.
- Modelo Hierárquico BayesianoBayesiano↔ compare
- Amostragem de GibbsBayesiano↔ compare
- Monte Carlo HamiltonianoBayesiano↔ compare
- Inferência Bayesiana HierárquicaBayesiano↔ compare
- Algoritmo de Metropolis-HastingsBayesiano↔ compare
- Multilevel MCMCBayesiano↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →