Багаторівневе семплювання Гіббса
Багаторівневе семплювання Гіббса застосовує алгоритм Монте-Карло за методом Марковських ланцюгів (MCMC) Гіббса до ієрархічних (багаторівневих) байєсівських моделей, послідовно перебираючи умовні розподіли параметрів на рівні груп та гіперпараметрів на рівні популяції. Це використовує структуру умовної незалежності ієрархії для отримання точних або майже точних вибірок з апостеріорного розподілу, який інакше був би аналітично нерозв'язним.
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
- 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). Multilevel Gibbs Sampling for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/uk/bayesian/multilevel-gibbs-sampling
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 модельБаєсові методи↔ compare
- Гіббсівський відбір (Gibbs Sampling)Баєсові методи↔ compare
- Гамільтонів Монте-КарлоБаєсові методи↔ compare
- Ієрархічний байєсівський висновокБаєсові методи↔ compare
- Алгоритм Метрополіса-ГастінгсаБаєсові методи↔ compare
- Багаторівневий MCMCБаєсові методи↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →