MCMC แบบหลายระดับ
MCMC แบบหลายระดับประยุกต์ใช้การสุ่มตัวอย่างแบบลูกโซ่มาร์คอฟ (Markov chain Monte Carlo) กับแบบจำลองแบบลำดับชั้น (หลายระดับ) ของเบย์ (Bayesian) โดยทำการสุ่มตัวอย่างจากส่วนแจกแจงภายหลังร่วม (joint posterior distribution) ของพารามิเตอร์ทั้งในระดับกลุ่มและระดับประชากรไปพร้อมกัน ซึ่งเป็นการแพร่กระจายความไม่แน่นอนข้ามระดับชั้น และช่วยให้สามารถอนุมานในโครงสร้างข้อมูลแบบกลุ่ม (clustered) หรือแบบซ้อน (nested) ที่การสังเกตการณ์ภายในกลุ่มมีลักษณะการแจกแจงร่วมกัน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multilevel Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/th/bayesian/multilevel-mcmc
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.
- การถดถอยแบบเบย์ (Bayesian Regression)เบย์↔ compare
- การสุ่มตัวอย่างแบบกิบบส์เบย์↔ compare
- Hamiltonian Monte Carloเบย์↔ compare
- การอนุมานแบบเบย์ตามลำดับชั้นเบย์↔ compare
- ขั้นตอนวิธีเมโทรโพลิส-เฮสติงส์เบย์↔ compare
- การอนุมานแบบแปรผันเบย์↔ compare