Metropolis-Hastings za poređenje modela
Metropolis-Hastings za poređenje modela koristi MCMC algoritam Metropolis-Hastings za istovremeno istraživanje prostora parametara i modela, proizvodeći posteriorne verovatnoće za konkurentne modele i omogućavajući procenu Bayesovih faktora bez potrebe za analitičkim izvodljivim marginalnim verodostojnostima. Kanonska ekstenzija — reverzibilni MCMC skok (reversible-jump MCMC) autora Greena (1995) — obrađuje modele različitih dimenzionalnosti unutar jednog semplera.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Mapa metoda
Okruženje srodnih metoda — izaberite čvor da biste istraživali.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Model Comparison. ScholarGate. https://scholargate.app/sr/bayesian/metropolis-hastings-for-model-comparison
Koja metoda?
Postavite ovu metodu pored njoj najbližih srodnika i čitajte ih uporedo — biblioteka polaže knjige na sto; izbor je na vama.
- Bayesian Model AveragingBajesovska statistika↔ uporedi
- Gibbs Sampling za poređenje modelaBajesovska statistika↔ uporedi
- MCMC za poređenje modelaBajesovska statistika↔ uporedi
- Sekvenciјalni Monte KarloBajesovska statistika↔ uporedi
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →