MCMC для порівняння моделей
MCMC для порівняння моделей використовує алгоритми Марковських ланцюгів Монте-Карло для оцінки граничних правдоподібностей та коефіцієнтів Баєса, необхідних для формального порівняння конкуруючих статистичних моделей. Такі методи, як MCMC зі змінною розмірністю (reversible-jump MCMC) та мостова вибірка (bridge sampling), дозволяють досліджувати простори моделей різної розмірності, забезпечуючи повністю Баєсів вибір та усереднення моделей.
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
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Bayesian Model Comparison. ScholarGate. https://scholargate.app/uk/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.
- Апроксимаційні байєсівські обчисленняІмітаційне моделювання↔ compare
- Байєсівське усереднення моделейБаєсові методи↔ compare
- Гіббсівський відбір (Gibbs Sampling)Баєсові методи↔ compare
- Гамільтонів Монте-КарлоБаєсові методи↔ compare
- Метод Монте-Карло на основі ланцюгів Маркова (MCMC)Баєсові методи↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →