تقريب لابلاس
تقريب لابلاس هو أسلوب تحليلي كلاسيكي يستبدل توزيعًا لاحقًا (posterior distribution) غير قابل للحل بتوزيع غاوسي متعدد المتغيرات (multivariate Gaussian) متمركز عند وضع التوزيع اللاحق (posterior mode)، مستخدمًا انحناء اللوغاريتم اللاحق (log-posterior) عند ذلك الوضع لتحديد التغاير (covariance). تم تقنينه للإحصاءات البايزية بواسطة Tierney و Kadane (1986) في ورقتهما البحثية الهامة في Journal of the American Statistical Association، وهو يوفر بديلاً سريعًا وحتميًا لسلاسل ماركوف مونت كارلو (Markov chain Monte Carlo) ويشكل جوهرًا رياضيًا لتقريبات لابلاس المتداخلة المتكاملة (Integrated Nested Laplace Approximations - INLA).
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Tierney, L. & Kadane, J. B. (1986). Accurate approximations for posterior moments and marginal densities. Journal of the American Statistical Association, 81(393), 82–86. DOI: 10.1080/01621459.1986.10478240 ↗
- MacKay, D. J. C. (2003). Information Theory, Inference, and Learning Algorithms. Cambridge University Press. ISBN: 978-0521642989
- Rue, H., Martino, S. & Chopin, N. (2009). Approximate Bayesian inference for latent Gaussian models by using integrated nested Laplace approximations. Journal of the Royal Statistical Society: Series B, 71(2), 319–392. DOI: 10.1111/j.1467-9868.2008.00700.x ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Laplace Approximation to the Posterior. ScholarGate. https://scholargate.app/ar/bayesian/laplace-approximation
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.
- الانحدار البايزيبايزي↔ compare
- الانتشار التوقعي (EP)بايزي↔ compare
- سلاسل ماركوف مونت كارلو (MCMC)بايزي↔ compare