Viacúrovňové MCMC
Viacúrovňové MCMC aplikuje Markovovo reťazcovo-Monte Carlo vzorkovanie na hierarchické (viacúrovňové) Bayesovské modely. Vzorkuje zo spoločnej aposteriornej distribúcie parametrov na úrovni skupín aj na úrovni populácie súčasne, čím propaguje neistotu naprieč úrovňami a umožňuje inferenciu v zoskupených alebo hierarchicky štruktúrovaných dátových štruktúrach, kde pozorované jednotky v rámci skupín zdieľajú spoločné distribučné charakteristiky.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
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
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398-409. DOI: 10.1080/01621459.1990.10476213 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Multilevel Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/sk/bayesian/multilevel-mcmc
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.
- Bayesovská regresiaBayesovské metódy↔ compare
- Gibbs SamplingBayesovské metódy↔ compare
- Hamiltonovský Monte CarloBayesovské metódy↔ compare
- Hierarchické Bayesovské usudzovanieBayesovské metódy↔ compare
- Algoritmus Metropolis-HastingsBayesovské metódy↔ compare
- Variačná inferenciaBayesovské metódy↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →