Hamiltonian Monte Carlo mit Messfehlern
Hamiltonian Monte Carlo (HMC) mit Messfehlern ist eine bayesianische computergestützte Strategie zur Anpassung von Modellen, bei denen eine oder mehrere Kovariaten mit Rauschen beobachtet werden. HMC zieht Stichproben gemeinsam aus der Posterior-Verteilung über Modellparameter und die unbeobachteten wahren Kovariatenwerte und verwendet gradientenbasierte Vorschläge, die den hochdimensionalen Posterior effizient erkunden und das langsame Random-Walk-Verhalten des Standard-Metropolis-Samplings vermeiden.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo for Bayesian Measurement Error Models. ScholarGate. https://scholargate.app/de/bayesian/hamiltonian-monte-carlo-with-measurement-error
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- Bayesianische Inferenz bei MessfehlernBayes-Statistik↔ vergleichen
- Gibbs-Sampling mit MessfehlernBayes-Statistik↔ vergleichen
- Hamiltonian Monte CarloBayes-Statistik↔ vergleichen
- Kalman-Filter mit MessfehlernBayes-Statistik↔ vergleichen
- MCMC mit MessfehlernBayes-Statistik↔ vergleichen
- Variationelle Inferenz bei MessfehlernBayes-Statistik↔ vergleichen
Referenziert von
Similar methods
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →