মার্কভ চেইন মন্টি কার্লো (MCMC)
মার্কভ চেইন মন্টি কার্লো (MCMC) হলো জটিল সম্ভাব্যতা বিন্যাস থেকে নমুনা সংগ্রহের জন্য গণনামূলক অ্যালগরিদমের একটি পরিবার, যা সাধারণত বেইজিয়ান অনুমানে উদ্ভূত পোস্টেরিয়র বিন্যাসগুলির জন্য ব্যবহৃত হয়। বাস্তবসম্মত মডেলগুলির জন্য যা প্রায়শই সম্ভব নয়, পোস্টেরিয়রগুলি বিশ্লেষণাত্মকভাবে গণনা করার পরিবর্তে, MCMC একটি মার্কভ চেইন তৈরি করে যার স্থির বিন্যাস হলো লক্ষ্য পোস্টেরিয়র এবং এটি থেকে নির্ভরশীল নমুনা আঁকে, যা কার্যত যেকোনো মডেলের জন্য পূর্ণ সম্ভাব্যতা অনুমান সক্ষম করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
উৎস
- 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
- Brooks, S., Gelman, A., Jones, G. & Meng, X.-L. (Eds.). (2011). Handbook of Markov Chain Monte Carlo. CRC Press. ISBN: 978-1420079418
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 1). Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/bn/bayesian/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.
- বেয়েশীয় মডেল গড়বেইসীয়↔ compare
- বেয়েশীয় রিগ্রেশনবেইসীয়↔ compare
- ভ্যারিয়েশনাল ইনফারেন্স (Variational Inference)বেইসীয়↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →