ScholarGate
Ассистент
Bayesian methodsBayesian / computational

Иерархическое байесовское усреднение моделей

Иерархическое байесовское усреднение моделей (HBMA) объединяет байесовское усреднение моделей с иерархической структурой моделей, усредняя апостериорные величины по набору кандидатных моделей, взвешенных по апостериорной вероятности каждой модели. Вместо выбора одной наилучшей модели, HBMA распространяет неопределенность модели через иерархическую структуру, производя прогнозы и оценки параметров, которые честно отражают неопределенность относительно того, какая модель является правильной.

Открыть в MethodMindСкороВидеоСкороСкачать слайды

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Карта метода

Окружение родственных методов — выберите узел, чтобы перейти к нему.

Источники

  1. Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–417. link
  2. Fragoso, T. M., Bertoli, W., & Louzada, F. (2018). Bayesian model averaging: A systematic review and conceptual classification. International Statistical Review, 86(1), 1–28. DOI: 10.1111/insr.12243

Как цитировать эту страницу

ScholarGate. (2026, June 3). Hierarchical Bayesian Model Averaging. ScholarGate. https://scholargate.app/ru/bayesian/hierarchical-bayesian-model-averaging

Какой метод?

Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.

Сравнить рядом
ScholarGateHierarchical Bayesian Model Averaging (Hierarchical Bayesian Model Averaging). Получено 2026-06-15 из https://scholargate.app/ru/bayesian/hierarchical-bayesian-model-averaging · Набор данных: https://doi.org/10.5281/zenodo.20539026