So sánh mô hình bằng Metropolis-Hastings
Phương pháp Metropolis-Hastings để so sánh mô hình sử dụng thuật toán MCMC Metropolis-Hastings để khám phá đồng thời cả không gian tham số và không gian mô hình, tạo ra xác suất hậu nghiệm cho các mô hình cạnh tranh và cho phép ước lượng nhân tử Bayes mà không yêu cầu các hàm hợp lý biên dạng đóng. Phần mở rộng chuẩn tắc — MCMC nhảy thuận nghịch (reversible-jump MCMC) của Green (1995) — xử lý các mô hình có số chiều khác nhau trong một bộ lấy mẫu duy nhất.
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.
Nguồn tài liệu
- Hastings, W. K. (1970). Monte Carlo sampling methods using Markov chains and their applications. Biometrika, 57(1), 97-109. DOI: 10.1093/biomet/57.1.97 ↗
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Model Comparison. ScholarGate. https://scholargate.app/vi/bayesian/metropolis-hastings-for-model-comparison
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.
- Bayesian Model AveragingBayes↔ so sánh
- Lấy mẫu Gibbs để so sánh mô hìnhBayes↔ so sánh
- MCMC để So sánh Mô hìnhBayes↔ so sánh
- Monte Carlo Tuần tựBayes↔ so sánh
Được tham chiếu bởi
Similar methods
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →