Bayesian methodsBayesian / computational
خوارزمية متروبوليس-هاستينغز الديناميكية
تطبق خوارزمية متروبوليس-هاستينغز الديناميكية (Dynamic MH) عينة متروبوليس-هاستينغز MCMC على نماذج فضاء الحالة البايزية والنماذج ذات المعلمات المتغيرة عبر الزمن. عند كل خطوة زمنية، يتم تحديث الحالات الكامنة أو المعلمات المتطورة عبر حركات الاقتراح والقبول، مما ينتج عنه توزيعات خلفية كاملة على المسارات بدلاً من تقديرات مصفاة فردية.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- 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 ↗
- Carlin, B. P., Polson, N. G., & Stoffer, D. S. (1992). A Monte Carlo approach to nonnormal and nonlinear state-space modeling. Journal of the American Statistical Association, 87(418), 493–500. DOI: 10.1080/01621459.1992.10475231 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Dynamic Metropolis-Hastings Algorithm for Time-Varying Models. ScholarGate. https://scholargate.app/ar/bayesian/dynamic-metropolis-hastings-algorithm
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.
- الاستدلال البايزي الديناميكيبايزي↔ compare
- أخذ العينات بطريقة جيبسبايزي↔ compare
- مرشح كالمانبايزي↔ compare
- خوارزمية متروبوليس-هاستينغزبايزي↔ compare
- مرشح الجسيمات (مونت كارلو التسلسلي)بايزي↔ compare