Eșantionarea Gibbs multinivel
Eșantionarea Gibbs multinivel aplică algoritmul MCMC Gibbs la modelele bayesiene ierarhice (multinivel), parcurgând pe rând distribuțiile condiționate ale parametrilor la nivel de grup și ale hiperparametrilor la nivel de populație. Aceasta exploatează structura de independență condiționată a ierarhiei pentru a extrage eșantioane exacte sau aproape exacte dintr-o distribuție posterioară care altfel ar fi intratabilă analitic.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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
Cum se citează această pagină
ScholarGate. (2026, June 3). Multilevel Gibbs Sampling for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/ro/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.
- Model Ierarhic BayesianBayesian↔ compare
- Eșantionarea GibbsBayesian↔ compare
- Hamiltonian Monte CarloBayesian↔ compare
- Inferență Bayesiană IerarhicăBayesian↔ compare
- Algoritmul Metropolis-HastingsBayesian↔ compare
- Multilevel MCMCBayesian↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →