MCMC för modelljämförelse
MCMC för modelljämförelse använder Markov chain Monte Carlo-algoritmer för att skatta marginalsannolikheter och Bayesfaktorer som behövs för att formellt jämföra konkurrerande statistiska modeller. Tekniker som reversibel-jump MCMC och bryggsampling möjliggör utforskning över modellrum av olika dimensionalitet, vilket möjliggör fullt Bayesianskt modellval och modellmedelvärdesbildning.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
- Meng, X.-L., & Wong, W. H. (1996). Simulating ratios of normalizing constants via a simple identity: A theoretical exploration. Statistica Sinica, 6(4), 831–860. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/sv/bayesian/mcmc-for-model-comparison
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.
- Approximativ Bayesiansk BeräkningSimulering↔ compare
- Bayesiansk modellmedling (BMA)Bayesiansk statistik↔ compare
- Gibbs samplingBayesiansk statistik↔ compare
- Hamiltonian Monte CarloBayesiansk statistik↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk statistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →