Гіббсівський семплінг для порівняння моделей
Гіббсівський семплінг для порівняння моделей — це байєсівський підхід MCMC, який одночасно семплює з простору конкуруючих моделей та їхніх параметрів. Шляхом доповнення гіббсівського семплера дискретною змінною-індексом моделі, апостеріорні ймовірності моделей та байєсівські фактори оцінюються з отриманого ланцюга Маркова без необхідності окремих прогонів для кожної моделі.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Carlin, B. P. & Chib, S. (1995). Bayesian model choice via Markov chain Monte Carlo methods. Journal of the Royal Statistical Society, Series B, 57(3), 473-484. DOI: 10.1111/j.2517-6161.1995.tb02042.x ↗
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Gibbs Sampling for Bayesian Model Comparison. ScholarGate. https://scholargate.app/uk/bayesian/gibbs-sampling-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.
- Байєсівське усереднення моделейБаєсові методи↔ compare
- Гіббсівський відбір (Gibbs Sampling)Баєсові методи↔ compare
- Metropolis-Hastings для порівняння моделейБаєсові методи↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →