Algorisme Dinàmic Metropolis-Hastings
L'algorisme Dinàmic Metropolis-Hastings (Dynamic MH) aplica el mostrejador MCMC Metropolis-Hastings a models bayesiansis de l'espai d'estats i de paràmetres que varien en el temps. A cada pas de temps, els estats latents o els paràmetres en evolució s'actualitzen mitjançant moviments de proposta i acceptació, produint distribucions posteriors completes sobre trajectòries en lloc d'estimacions filtrades individuals.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Dynamic Metropolis-Hastings Algorithm for Time-Varying Models. ScholarGate. https://scholargate.app/ca/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.
- Inferència Bayesiana DinàmicaBayesià↔ compare
- Campionament de GibbsBayesià↔ compare
- Filtre de KalmanBayesià↔ compare
- Algorisme de Metropolis-HastingsBayesià↔ compare
- Filtre de partícules (Mètodes Sequencials de Monte Carlo)Bayesià↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →