Bayesian methodsBayesian / computational
分层马尔可夫链蒙特卡洛
分层马尔可夫链蒙特卡洛 (Hierarchical Markov chain Monte Carlo, HMCMC) 将 MCMC 采样应用于分层贝叶斯模型，联合抽取观测层参数和控制这些参数的超参数的后验分布。这允许使用吉布斯采样 (Gibbs sampling)、Metropolis-Hastings 或汉密尔顿蒙特卡洛 (Hamiltonian Monte Carlo) 等算法，在多层结构的所有层级（从个体到群体再到总体）之间进行原则性的不确定性传播。
在 MethodMind 中打开即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
另有 2 项
来源
- 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
如何引用本页
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/zh/bayesian/hierarchical-markov-chain-monte-carlo
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- Bayesian Regression贝叶斯↔ 比较
- Gibbs Sampling贝叶斯↔ 比较
- Hamiltonian Monte Carlo贝叶斯↔ 比较
- 分层贝叶斯推断贝叶斯↔ 比较
- Metropolis-Hastings算法贝叶斯↔ 比较
- 变分推断贝叶斯↔ 比较