Bayesian methods

Cadenes de Markov Monte Carlo (MCMC)

Les cadenes de Markov Monte Carlo (MCMC) són una família d'algorismes computacionals per a mostrejar distribucions de probabilitat complexes, més comunament les distribucions posteriors que sorgeixen en la inferència bayesiana. En lloc de calcular les posteriors analíticament —cosa que rarament és possible per a models realistes—, MCMC construeix una cadena de Markov la distribució estacionària de la qual és la posterior objectiu i n'extreu mostres dependents, permetent una inferència probabilística completa per a pràcticament qualsevol model.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

+25 more

Fonts

  1. 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
  2. Brooks, S., Gelman, A., Jones, G. & Meng, X.-L. (Eds.). (2011). Handbook of Markov Chain Monte Carlo. CRC Press. ISBN: 978-1420079418

Com citar aquesta pàgina

ScholarGate. (2026, June 1). Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/ca/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.

Compare side by side

Citat per

ScholarGateMCMC (Markov Chain Monte Carlo). Recuperat el 2026-06-15 de https://scholargate.app/ca/bayesian/mcmc · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026