Multilevel Markov Chain Monte Carlo
Hãy tưởng tượng các học sinh được lồng trong các trường học: mỗi trường có hồ sơ hiệu suất riêng, nhưng các trường được rút ra từ một quần thể trường học chung. MCMC đa cấp khớp hai lớp này lại với nhau — nó ước tính các tham số riêng của trường và phân phối quần thể đồng thời. Không cấp nào được phân tích cô lập; thông tin chảy lên trên (tổng hợp sức mạnh giữa các nhóm) và xuống dưới (tiền nghiệm quần thể điều chỉnh ước tính của mỗi nhóm). Kết quả là một phân phối hậu nghiệm đầy đủ trên tất cả các tham số ở mọi cấp, không chỉ các ước tính điểm.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
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
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398-409. DOI: 10.1080/01621459.1990.10476213 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Multilevel Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/vi/bayesian/multilevel-mcmc
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.
- Hồi quy BayesBayes↔ compare
- Lấy mẫu GibbsBayes↔ compare
- Hamiltonian Monte CarloBayes↔ compare
- Suy luận Bayes phân cấpBayes↔ compare
- Thuật toán Metropolis-HastingsBayes↔ compare
- Suy diễn biến phânBayes↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →