Ієрархічне баєсівське усереднення моделей
Ієрархічне баєсівське усереднення моделей (HBMA) поєднує баєсівське усереднення моделей з ієрархічною структурою моделі, усереднюючи апостеріорні величини за набором моделей-кандидатів, зважених апостеріорною ймовірністю кожної моделі. Замість вибору однієї найкращої моделі, HBMA поширює невизначеність моделі через ієрархічну структуру, створюючи прогнози та оцінки параметрів, які чесно відображають невизначеність щодо того, яка модель є правильною.
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
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–417. link ↗
- Fragoso, T. M., Bertoli, W., & Louzada, F. (2018). Bayesian model averaging: A systematic review and conceptual classification. International Statistical Review, 86(1), 1–28. DOI: 10.1111/insr.12243 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Hierarchical Bayesian Model Averaging. ScholarGate. https://scholargate.app/uk/bayesian/hierarchical-bayesian-model-averaging
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.
- Байєсівський інформаційний критерій (BIC)Оцінювання моделей↔ compare
- Байєсівське усереднення моделейБаєсові методи↔ compare
- Байєсівська регресіяБаєсові методи↔ compare
- Ієрархічний байєсівський висновокБаєсові методи↔ compare
- Ієрархічний ланцюг Маркова Монте-КарлоБаєсові методи↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →