Robust Markov Chain Monte Carlo
Robust MCMC (Robust Markov Chain Monte Carlo) পদ্ধতিটি মার্কভ চেইন মন্টি কার্লো স্যাম্পলিংয়ের সাথে রোবাস্টনেস (robustness) কৌশলকে একত্রিত করে, যাতে ডেটাতে আউটলায়ার (outlier) থাকলে, অনুমিত মডেলটি ভুলভাবে নির্দিষ্ট করা হলে, অথবা টার্গেট ডিস্ট্রিবিউশনের টেইল (tail) যদি খুব ভারী হয় যার ফলে স্ট্যান্ডার্ড স্যাম্পলারগুলো দুর্বলভাবে মিশ্রিত হয় বা বিকৃত অনুমান তৈরি করে, তখন নির্ভরযোগ্য পোস্টেরিয়র (posterior) ইনফারেন্স (inference) তৈরি করা যায়।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
পদ্ধতি-মানচিত্র
সম্পর্কিত পদ্ধতিসমূহের প্রতিবেশ — অন্বেষণ করতে একটি নোড নির্বাচন করুন।
উৎস
- 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 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Robust Markov Chain Monte Carlo Sampling. ScholarGate. https://scholargate.app/bn/bayesian/robust-markov-chain-monte-carlo
কোন পদ্ধতি?
এই পদ্ধতিটিকে তার নিকটতম সমগোত্রীয়দের পাশে রাখুন এবং পাশাপাশি পড়ুন — গ্রন্থাগার বইগুলি টেবিলে সাজিয়ে দেয়; নির্বাচন আপনার।
- গিবস স্যাম্পলিংবেইসীয়↔ তুলনা করুন
- হ্যামিলটোনিয়ান মন্টি কার্লোবেইসীয়↔ তুলনা করুন
- মার্কভ চেইন মন্টি কার্লো (MCMC)বেইসীয়↔ তুলনা করুন
- Robust Bayesian Inferenceবেইসীয়↔ তুলনা করুন
- সিকোয়েনশিয়াল মন্টে কার্লোবেইসীয়↔ তুলনা করুন
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →