Markov Chain Monte Carlo phân cấp
Markov Chain Monte Carlo (MCMC) phân cấp áp dụng phương pháp lấy mẫu MCMC cho các mô hình Bayes phân cấp, đồng thời lấy mẫu từ phân bố hậu nghiệm của cả các tham số cấp độ quan sát và các siêu tham số chi phối chúng. Điều này cho phép truyền tải độ bất định một cách có nguyên tắc qua tất cả các cấp độ của cấu trúc đa cấp, từ cá nhân đến nhóm và đến quần thể, sử dụng các thuật toán như lấy mẫu Gibbs, Metropolis-Hastings hoặc Hamiltonian Monte Carlo.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
+2 nữa
Nguồn tài liệu
- 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
- Robert, C. P. & Casella, G. (2004). Monte Carlo Statistical Methods (2nd ed.). Springer. ISBN: 978-0387212395
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/vi/bayesian/hierarchical-markov-chain-monte-carlo
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Hồi quy BayesBayes↔ so sánh
- Lấy mẫu GibbsBayes↔ so sánh
- Hamiltonian Monte CarloBayes↔ so sánh
- Suy luận Bayes phân cấpBayes↔ so sánh
- Thuật toán Metropolis-HastingsBayes↔ so sánh
- Suy diễn biến phânBayes↔ so sánh
Được tham chiếu bởi
Similar methods
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →