MCMC для сравнения моделей
MCMC для сравнения моделей использует алгоритмы Марковских цепей Монте-Карло для оценки маргинальных правдоподобий и байесовских факторов, необходимых для формального сравнения конкурирующих статистических моделей. Методы, такие как MCMC с обратимыми скачками (reversible-jump MCMC) и мостовое семплирование (bridge sampling), позволяют исследовать пространства моделей различной размерности, обеспечивая полностью байесовский выбор и усреднение моделей.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
- Meng, X.-L., & Wong, W. H. (1996). Simulating ratios of normalizing constants via a simple identity: A theoretical exploration. Statistica Sinica, 6(4), 831–860. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/ru/bayesian/mcmc-for-model-comparison
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.
- Приближенное байесовское вычислениеИмитационное моделирование↔ compare
- Байесовское усреднение моделейБайесовские методы↔ compare
- Сэмплирование по ГиббсуБайесовские методы↔ compare
- Гамильтонов Монте-КарлоБайесовские методы↔ compare
- Метод Монте-Карло по цепям Маркова (MCMC)Байесовские методы↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →