Αλγόριθμος Δυναμικής Metropolis-Hastings
Ο αλγόριθμος Δυναμικής Metropolis-Hastings (Dynamic MH) εφαρμόζει τον δειγματολήπτη MCMC Metropolis-Hastings σε Μπεϋζιανά μοντέλα χωροχρονικών δεδομένων (state-space) και παραμέτρων που μεταβάλλονται στον χρόνο. Σε κάθε χρονικό βήμα, οι λανθάνουσες καταστάσεις ή οι εξελισσόμενες παράμετροι ενημερώνονται μέσω προτάσεων-αποδοχών, αποδίδοντας πλήρεις οπίσθιες κατανομές (posterior distributions) για τροχιές (trajectories) αντί για μεμονωμένες εκτιμήσεις φιλτραρίσματος.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
- Carlin, B. P., Polson, N. G., & Stoffer, D. S. (1992). A Monte Carlo approach to nonnormal and nonlinear state-space modeling. Journal of the American Statistical Association, 87(418), 493–500. DOI: 10.1080/01621459.1992.10475231 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Dynamic Metropolis-Hastings Algorithm for Time-Varying Models. ScholarGate. https://scholargate.app/el/bayesian/dynamic-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.
- Δυναμική Μπεϋζιανή ΣυμπερασματολογίαΜπεϋζιανή Στατιστική↔ compare
- Δειγματοληψία GibbsΜπεϋζιανή Στατιστική↔ compare
- Φίλτρο KalmanΜπεϋζιανή Στατιστική↔ compare
- Αλγόριθμος Metropolis-HastingsΜπεϋζιανή Στατιστική↔ compare
- Φίλτρο Σωματιδίων (Διαδοχικό Monte Carlo)Μπεϋζιανή Στατιστική↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →