Metropolis-Hastings pre porovnávanie modelov
Metropolis-Hastings pre porovnávanie modelov využíva algoritmus MCMC Metropolis-Hastings na simultánne skúmanie priestoru parametrov aj modelov, čím vytvára aposteriórne pravdepodobnosti pre súperiace modely a umožňuje odhad Bayesovho faktora bez potreby uzavretých foriem marginálnych vierohodností. Kanonické rozšírenie — reverzibilný-skok MCMC (reversible-jump MCMC) od Greena (1995) — spracováva modely rôznych dimenzionalít v rámci jedného samplera.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Mapa metód
Okolie príbuzných metód — vyberte uzol na preskúmanie.
Zdroje
- Hastings, W. K. (1970). Monte Carlo sampling methods using Markov chains and their applications. Biometrika, 57(1), 97-109. DOI: 10.1093/biomet/57.1.97 ↗
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Model Comparison. ScholarGate. https://scholargate.app/sk/bayesian/metropolis-hastings-for-model-comparison
Ktorá metóda?
Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.
- Bayesovské spriemerovanie modelovBayesovské metódy↔ porovnať
- Gibbsov vzorkovač pre porovnávanie modelovBayesovské metódy↔ porovnať
- MCMC pre porovnávanie modelovBayesovské metódy↔ porovnať
- Sekvenčné Monte CarloBayesovské metódy↔ porovnať
Odkazujú sem
Similar methods
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →