Иерархический байесовский вывод
Иерархический байесовский вывод — это вероятностная модель, которая организует параметры по уровням, помещая априорные распределения на параметры группового уровня и гиперприорные распределения на параметры, управляющие этими априорными распределениями. Это обеспечивает частичное объединение информации между группами, уравновешивая крайности независимого рассмотрения каждой группы или их объединения в единую оценку.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+28 more
Источники
- 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
- Gelman, A. (2006). Multilevel (hierarchical) modeling: what it can and cannot do. Technometrics, 48(3), 432-435. DOI: 10.1198/004017005000000661 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Hierarchical Bayesian Inference. ScholarGate. https://scholargate.app/ru/bayesian/hierarchical-bayesian-inference
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.
- Байесовская регрессияБайесовские методы↔ compare
- Сэмплирование по ГиббсуБайесовские методы↔ compare
- Иерархический Марковский Монте-КарлоБайесовские методы↔ compare
- Метод Монте-Карло по цепям Маркова (MCMC)Байесовские методы↔ compare
- Модель со смешанными эффектамиСтатистика↔ compare
- Вариационный выводБайесовские методы↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →