Multilevel MCMC
Multilevel MCMC tillämpar Markovkedje-Monte Carlo-sampling på Bayesianska hierarkiska (multilevel) modeller. Den drar stickprov från den gemensamma posteriorfördelningen för både gruppnivå- och populationsnivåparametrar samtidigt, propagerar osäkerhet över nivåer och möjliggör inferens i klustrade eller hierarkiska datastrukturer där observationer inom grupper delar gemensamma fördelningsegenskaper.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
+3 till
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Multilevel Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/sv/bayesian/multilevel-mcmc
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Bayesiansk regressionBayesiansk statistik↔ jämför
- Gibbs samplingBayesiansk statistik↔ jämför
- Hamiltonian Monte CarloBayesiansk statistik↔ jämför
- Hierarkisk Bayesiansk inferensBayesiansk statistik↔ jämför
- Metropolis-Hastings algoritmBayesiansk statistik↔ jämför
- VariationsinferensBayesiansk statistik↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →