Bayesian methodsBayesian / computational
ماركوف مونت كارلو القوي (Robust Markov Chain Monte Carlo)
يجمع ماركوف مونت كارلو القوي بين أخذ عينات ماركوف مونت كارلو وتقنيات المتانة لإنتاج استدلال خلفي موثوق به عندما تحتوي البيانات على قيم شاذة، أو عندما يكون النموذج المفترض خاطئًا في تحديده، أو عندما يكون التوزيع المستهدف له ذيول ثقيلة تتسبب في ضعف اختلاط العينات القياسية أو إنتاج تقديرات مشوهة.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
خريطة المناهج
محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.
المصادر
- Roberts, G. O. & Rosenthal, J. S. (2004). General state space Markov chains and MCMC algorithms. Probability Surveys, 1, 20–71. DOI: 10.1214/154957804100000024 ↗
- Barp, A., Kennedy, C., Durmus, A. & Girolami, M. (2022). Targeted separation and convergence with kernel discrepancies. arXiv preprint. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Robust Markov Chain Monte Carlo Sampling. ScholarGate. https://scholargate.app/ar/bayesian/robust-markov-chain-monte-carlo
أيُّ منهج؟
ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.
- أخذ العينات بطريقة جيبسبايزي↔ قارن
- مونت كارلو الهاملتونيبايزي↔ قارن
- سلاسل ماركوف مونت كارلو (MCMC)بايزي↔ قارن
- الاستدلال البايزي القويبايزي↔ قارن
- مونت كارلو التسلسليبايزي↔ قارن