Multilevel Markov Chain Monte Carlo
Imaginați-vă elevi grupați în școli: fiecare școală are propriul profil de performanță, dar școlile sunt extrase dintr-o populație comună de școli. MCMC multinivel ajustează aceste două straturi împreună — estimează parametrii specifici școlii și distribuția populației simultan. Niciun nivel nu este analizat izolat; informația curge în sus (agregând puterea între grupuri) și în jos (priorul populației regularizează estimarea fiecărui grup). Rezultatul este o distribuție a posteriori completă pentru toți parametrii de la fiecare nivel, nu doar estimări punctuale.
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.
+3 more
Surse
- 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
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398-409. DOI: 10.1080/01621459.1990.10476213 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Multilevel Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/ro/bayesian/multilevel-mcmc
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.
- Bayesian RegressionBayesian↔ compare
- Eșantionarea GibbsBayesian↔ compare
- Hamiltonian Monte CarloBayesian↔ compare
- Inferență Bayesiană IerarhicăBayesian↔ compare
- Algoritmul Metropolis-HastingsBayesian↔ compare
- Inferența variaționalăBayesian↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →