Hierarchické Markovove reťazcové Monte Carlo
Hierarchické Markovove reťazcové Monte Carlo aplikuje MCMC vzorkovanie na hierarchické Bayesovské modely, spoločne čerpajúc z aposteriórneho rozdelenia parametrov na úrovni pozorovaní a hyperparametrov, ktoré ich riadia. To umožňuje princípové šírenie neistoty naprieč všetkými úrovňami viacúrovňovej štruktúry, od jednotlivcov cez skupiny až po populáciu, pomocou algoritmov ako Gibbs sampling, Metropolis-Hastings alebo Hamiltonovské Monte Carlo.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Mapa metód
Okolie príbuzných metód — vyberte uzol na preskúmanie.
+2 ďalších
Zdroje
- 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
- Robert, C. P. & Casella, G. (2004). Monte Carlo Statistical Methods (2nd ed.). Springer. ISBN: 978-0387212395
Ako citovať túto stránku
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/sk/bayesian/hierarchical-markov-chain-monte-carlo
Ktorá metóda?
Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.
- Bayesovská regresiaBayesovské metódy↔ porovnať
- Gibbs SamplingBayesovské metódy↔ porovnať
- Hamiltonovský Monte CarloBayesovské metódy↔ porovnať
- Hierarchické Bayesovské usudzovanieBayesovské metódy↔ porovnať
- Algoritmus Metropolis-HastingsBayesovské metódy↔ porovnať
- Variačná inferenciaBayesovské metódy↔ porovnať
Odkazujú sem
Similar methods
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →