Monte Carlo Hamiltonià amb Error de Mesura
El Monte Carlo Hamiltonià (HMC) amb error de mesura és una estratègia computacional bayesiana per ajustar models on una o més covariables s'observen amb soroll. L'HMC mostreja conjuntament de la posterior sobre els paràmetres del model i els valors veritables no observats de les covariables, utilitzant propostes basades en gradients que exploren eficientment la posterior d'alta dimensionalitat i eviten el comportament lent de passeig aleatori del mostreig estàndard de Metropolis.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Mapa de mètodes
El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.
Fonts
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman and Hall/CRC. ISBN: 978-1584886334
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. Jones, & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 113-162). CRC Press. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo for Bayesian Measurement Error Models. ScholarGate. https://scholargate.app/ca/bayesian/hamiltonian-monte-carlo-with-measurement-error
Quin mètode?
Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.
- Inferència Bayesiana amb Error de MesuraBayesià↔ compara
- Gibbs Sampling amb Error de MesuraBayesià↔ compara
- Hamiltonian Monte CarloBayesià↔ compara
- El filtre de Kalman amb error de mesuraBayesià↔ compara
- MCMC amb error de mesuraBayesià↔ compara
- Inferència variacional amb error de mesuraBayesià↔ compara
Citat per
Similar methods
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →