Algoritmus Metropolis-Hastings
Algoritmus Metropolis-Hastings (MH) je obecně použitelná metoda Markovova řetězce Monte Carlo (MCMC) pro vzorkování z libovolné pravděpodobnostní distribuce, jejíž hustotu lze vyhodnotit až na normalizační konstantu. Byl zaveden Metropolisem, Rosenbluthem, Rosenbluthem, Tellerem a Tellerem (1953) v oblasti výpočetní fyziky a zobecněn Hastingsem (1970) pro asymetrické návrhové distribuce. Jedná se o základní algoritmus, z něhož je odvozeno nebo jako speciální případy lze nahlížet téměř všechny následné MCMC vzorkovače — Gibbsův vzorkovač, Hamiltonův Monte Carlo, plátnový vzorkovač.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Zdroje
- Metropolis, N., Rosenbluth, A. W., Rosenbluth, M. N., Teller, A. H., & Teller, E. (1953). Equation of state calculations by fast computing machines. The Journal of Chemical Physics, 21(6), 1087–1092. DOI: 10.1063/1.1699114 ↗
- 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 ↗
- Robert, C. P., & Casella, G. (2004). Monte Carlo Statistical Methods (2nd ed.). Springer. ISBN: 978-0-387-21239-5
- 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: 978-1-439-84095-5
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Metropolis-Hastings Markov Chain Monte Carlo Algorithm. ScholarGate. https://scholargate.app/cs/bayesian/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.
- Bayesovská regreseBayesovská statistika↔ compare
- Gibbs SamplingBayesovská statistika↔ compare
- Hamiltonovské Monte CarloBayesovská statistika↔ compare
- Sekvenční Monte CarloBayesovská statistika↔ compare
- Slice SamplingBayesovská statistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →