Metropolis-Hastings Ngazi-nyingi
Metropolis-Hastings Ngazi-nyingi hutumia algorithmu ya Metropolis-Hastings MCMC kwa modeli za Bayesian za tabaka nyingi (ngazi-nyingi), ikichukua sampuli kwa pamoja kutoka kwa vigezo vya ngazi ya kikundi na hyperparameters kwa kupendekeza maadili ya mgombea na kuyakubali au kuyakataa kupitia uwiano unaoheshimu nafasi kamili ya pamoja baada ya ngazi zote za modeli.
Soma mbinu kamili
Ingia kwa akaunti ya bure ili kusoma sehemu hii.
Ramani ya mbinu
Jirani ya mbinu zinazohusiana — chagua nodi ili kuchunguza.
Vyanzo
- 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
- Roberts, G. O. & Sahu, S. K. (1997). Updating schemes, correlation structure, blocking and parameterisation for the Gibbs sampler. Journal of the Royal Statistical Society: Series B, 59(2), 291-317. DOI: 10.1111/1467-9868.00070 ↗
Jinsi ya kunukuu ukurasa huu
ScholarGate. (2026, June 3). Multilevel Metropolis-Hastings Algorithm. ScholarGate. https://scholargate.app/sw/bayesian/multilevel-metropolis-hastings
Mbinu ipi?
Weka mbinu hii kando ya jamaa zake wa karibu na uzisome bega kwa bega — maktaba huweka vitabu mezani; uamuzi ni wako.
- Utafsiri wa Kibayes wa KienyejiMbinu za Bayes↔ linganisha
- Algoriti ya Metropolis-HastingsMbinu za Bayes↔ linganisha
- Uchanganuzi wa Bayesi wa Ngazi NyingiMbinu za Bayes↔ linganisha
- Usampulishaji wa Gibbs wa Ngazi NyingiMbinu za Bayes↔ linganisha
- Hamiltonian Monte Carlo wa Ngazi NyingiMbinu za Bayes↔ linganisha
- Uchanganuzi wa Kiwango-Nyingi wa DhanaMbinu za Bayes↔ linganisha
Umeona tatizo kwenye ukurasa huu? Ripoti au pendekeza marekebisho →