Metropolis-Hastings pentru Comparația de Modele
Metropolis-Hastings pentru comparația de modele utilizează algoritmul MCMC Metropolis-Hastings pentru a explora simultan spațiul de parametri și spațiul de modele, producând probabilități posterioare pentru modele concurente și permițând estimarea factorilor Bayes fără a necesita probabilități marginale în formă închisă. Extensia canonică — MCMC cu salt reversibil (reversible-jump MCMC) de către Green (1995) — gestionează modele de dimensionalități diferite în cadrul unui singur sampler.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Harta metodelor
Vecinătatea metodelor înrudite — selectați un nod pentru a explora.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Model Comparison. ScholarGate. https://scholargate.app/ro/bayesian/metropolis-hastings-for-model-comparison
Ce metodă?
Așezați această metodă lângă cele mai apropiate rude și citiți-le alăturat — biblioteca pune cărțile pe masă; alegerea vă aparține.
- Bayesian Model AveragingBayesian↔ compară
- Eșantionarea Gibbs pentru compararea modelelorBayesian↔ compară
- MCMC pentru compararea modelelorBayesian↔ compară
- Monte Carlo SecvențialBayesian↔ compară
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →