Metropolis-Hastings kwa ajili ya Kulinganisha Mifumo
Metropolis-Hastings kwa ajili ya kulinganisha mifumo hutumia algorithm ya Metropolis-Hastings MCMC kuchunguza nafasi ya kigezo na mfumo kwa wakati mmoja, ikitoa uwezekano wa nyuma kwa mifumo pinzani na kuwezesha makadirio ya sababu ya Bayes bila kuhitaji uwezekano wa pembeni wa fomu iliyofungwa. Upanuzi wa kawaida — reversible-jump MCMC na Green (1995) — hushughulikia mifumo yenye vipimo tofauti ndani ya kSample moja.
Soma mbinu kamili
Ingia kwa akaunti ya bure ili kusoma sehemu hii.
Ramani ya mbinu
Jirani ya mbinu zinazohusiana — chagua nodi ili kuchunguza.
Vyanzo
- 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 ↗
Jinsi ya kunukuu ukurasa huu
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Model Comparison. ScholarGate. https://scholargate.app/sw/bayesian/metropolis-hastings-for-model-comparison
Mbinu ipi?
Weka mbinu hii kando ya jamaa zake wa karibu na uzisome bega kwa bega — maktaba huweka vitabu mezani; uamuzi ni wako.
- Bayesian Model AveragingMbinu za Bayes↔ linganisha
- Sampo ya Gibbs kwa Ulinganishaji wa ModeliMbinu za Bayes↔ linganisha
- MCMC kwa ajili ya Kulinganisha MifumoMbinu za Bayes↔ linganisha
- Monte Carlo SekwenshialiMbinu za Bayes↔ linganisha
Imerejelewa na
Similar methods
Umeona tatizo kwenye ukurasa huu? Ripoti au pendekeza marekebisho →