MCMC i mostreig
48 mètodes en aquesta família.
Destacats
Model DCC-GARCH bayesià (Bayesian DCC-GARCH)Bayesian DCC-GARCH estimates time-varying correlations across multiple financial or economic series by combining Engle's DCC-GARCH structure with Bayesian inference. Rather than maModel de Mescla Gaussiana BayesianaThe Bayesian Gaussian Mixture Model places prior distributions over all mixture parameters and infers their posteriors — typically via Variational Bayes or MCMC — rather than fittiAnàlisi Filogenètica BayesianaBayesian phylogenetic analysis uses Bayes' theorem and Markov chain Monte Carlo (MCMC) sampling to estimate the posterior probability distribution over phylogenetic trees and modelModel Probit BayesàThe Bayesian Probit model is a binary regression method that models the probability of a binary outcome using the normal CDF (probit link) within a Bayesian framework. It assigns pDinàmic Hamiltonian Monte CarloDynamic Hamiltonian Monte Carlo — widely known as the No-U-Turn Sampler (NUTS) — is an adaptive extension of Hamiltonian Monte Carlo that automatically selects the number of leapfrAlgorisme Dinàmic Metropolis-HastingsThe Dynamic Metropolis-Hastings (Dynamic MH) algorithm applies the Metropolis-Hastings MCMC sampler to Bayesian state-space and time-varying parameter models. At each time step, la
Itinerari de lectura
Els mètodes fonamentals més referenciats d'aquest tema, en l'ordre en què es van desenvolupar — un punt de partida si tot just hi arribeu.
Tots els mètodes 48
Model DCC-GARCH bayesià (Bayesian DCC-GARCH)Model de Mescla Gaussiana BayesianaAnàlisi Filogenètica BayesianaModel Probit BayesàDinàmic Hamiltonian Monte CarloAlgorisme Dinàmic Metropolis-HastingsFiltre de partícules dinàmicMonte Carlo seqüencial dinàmicCampionament de GibbsGibbs Sampling per a la Comparació de ModelsGibbs Sampling amb Error de MesuraGibbs Sampling amb Dades FaltantsHamiltonian Monte CarloMonte Carlo Hamiltonià amb Error de MesuraHamiltonian Monte Carlo amb Dades FaltantsHamiltonian Monte Carlo jeràrquicCadena de Markov de Monte Carlo jeràrquicaFiltre de partícules jeràrquicCadenes de Markov Monte Carlo (MCMC)MCMC per a la comparació de modelsMCMC amb error de mesuraMCMC amb dades perdudesAlgorisme de Metropolis-HastingsMetropolis-Hastings per a la comparació de modelsMetropolis-Hastings amb error de mesuraMetropolis-Hastings amb dades perdudesMultilevel Gibbs SamplingHamiltonian Monte Carlo MultillivellMCMC MultillivellMetropolis-Hastings MultillivellNo-U-Turn Sampler (NUTS)Filtre de partícules (Mètodes Sequencials de Monte Carlo)Filtre de partícules amb error de mesuraFiltre de partícules amb dades faltantsGibbs Sampling RobustaHamiltonian Monte Carlo RobustaMarkov Chain Monte Carlo robustFiltre de Partícules RobusteMonte Carlo Seqüencial RobustaMonte Carlo SeqüencialMonte Carlo seqüencial amb error de mesuraMonte Carlo seqüencial amb dades perdudesCampionament per tall (Slice Sampling)Gibbs Sampling EspacialMCMC espacialMCMC per sèries temporalsFiltre de partícules per a sèries temporalsMonte Carlo seqüencial per a sèries temporals