MCMC สำหรับการเปรียบเทียบแบบจำลอง
MCMC สำหรับการเปรียบเทียบแบบจำลองใช้ขั้นตอนวิธี Markov chain Monte Carlo เพื่อประมาณค่าความน่าจะเป็นส่วนเพิ่ม (marginal likelihoods) และ Bayes factors ที่จำเป็นสำหรับการเปรียบเทียบแบบจำลองทางสถิติที่แข่งขันกันอย่างเป็นทางการ เทคนิคต่าง ๆ เช่น reversible-jump MCMC และ bridge sampling ช่วยให้สามารถสำรวจพื้นที่แบบจำลองที่มีมิติแตกต่างกันได้ ทำให้สามารถเลือกแบบจำลองและหาค่าเฉลี่ยแบบจำลองแบบเบย์ได้อย่างสมบูรณ์
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/th/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.
- การคำนวณแบบเบย์เชิงประมาณการจำลอง↔ compare
- การเฉลี่ยแบบจำลองแบบเบย์ (Bayesian Model Averaging - BMA)เบย์↔ compare
- การสุ่มตัวอย่างแบบกิบบส์เบย์↔ compare
- Hamiltonian Monte Carloเบย์↔ compare
- Markov Chain Monte Carlo (MCMC)เบย์↔ compare