Markov Chain Monte Carlo robust
El MCMC robust combina el mostreig Markov Chain Monte Carlo amb tècniques de robustesa per produir inferències posteriors fiables quan les dades contenen valors atípics, quan el model assumit està mal especificat, o quan la distribució objectiu té cues pesades que fan que els mostrejadors estàndard barregin malament o produeixin estimacions distorsionades.
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
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Robust Markov Chain Monte Carlo Sampling. ScholarGate. https://scholargate.app/ca/bayesian/robust-markov-chain-monte-carlo
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.
- Campionament de GibbsBayesià↔ compara
- Hamiltonian Monte CarloBayesià↔ compara
- Cadenes de Markov Monte Carlo (MCMC)Bayesià↔ compara
- Inferència Bayesiana RobustaBayesià↔ compara
- Monte Carlo SeqüencialBayesià↔ compara
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →