Многоуровневый семплинг Гиббса
Многоуровневый семплинг Гиббса применяет алгоритм MCMC Гиббса к иерархическим (многоуровневым) байесовским моделям, поочередно перебирая условные распределения параметров группового уровня и гиперпараметров популяционного уровня. Это использует структуру условной независимости иерархии для получения точных или почти точных выборок из апостериорного распределения, которое в противном случае было бы аналитически неразрешимым.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multilevel Gibbs Sampling for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/ru/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.
- Байесовская иерархическая модельБайесовские методы↔ compare
- Сэмплирование по ГиббсуБайесовские методы↔ compare
- Гамильтонов Монте-КарлоБайесовские методы↔ compare
- Иерархический байесовский выводБайесовские методы↔ compare
- Алгоритм МетрополисаБайесовские методы↔ compare
- Многоуровневый MCMCБайесовские методы↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →