Багаторівневі байєсівські висновки
Багаторівневі байєсівські висновки поєднують байєсівську ймовірність з ієрархічними структурами даних, розглядаючи параметри на рівні групи як вибірку зі спільного розподілу популяції. Вони одночасно оцінюють ефекти на рівні одиниць та гіперпараметри, що керують їх варіацією, поширюючи повну невизначеність через кожен рівень ієрархії за допомогою вибірки апостеріорних значень.
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
- Gelman, A., & Hill, J. (2007). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. ISBN: 978-0521686891
- Raudenbush, S. W., & Bryk, A. S. (2002). Hierarchical Linear Models: Applications and Data Analysis Methods (2nd ed.). Sage Publications. ISBN: 978-0761919049
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Multilevel Bayesian Inference. ScholarGate. https://scholargate.app/uk/bayesian/multilevel-bayesian-inference
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.
- Байєсівська ієрархічна модель з пропущеними данимиБаєсові методи↔ compare
- Байєсівська регресіяБаєсові методи↔ compare
- Ієрархічний байєсівський висновокБаєсові методи↔ compare
- Метод Монте-Карло на основі ланцюгів Маркова (MCMC)Баєсові методи↔ compare
- Багаторівневий MCMCБаєсові методи↔ compare
- Варіаційний висновокБаєсові методи↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →