Μέθοδοι Markov Chain Monte Carlo (MCMC) — Metropolis-Hastings και Δειγματοληψία Gibbs
Το Markov Chain Monte Carlo (MCMC) είναι μια οικογένεια αλγορίθμων προσομοίωσης που κατασκευάζει μια αλυσίδα Markov της οποίας η στάσιμη κατανομή είναι η στόχος οπίσθια κατανομή, επιτρέποντας την Μπεϋζιανή συμπερασματολογία και τον υπολογισμό ολοκληρωμάτων υψηλών διαστάσεων που διαφορετικά θα ήταν αναλυτικά αδιάλυτα. Πρωτοπορημένο από τον Metropolis και συνεργάτες το 1953 και επεκτάθηκε από τον Hastings το 1970, το MCMC αποτελεί τη βάση της σύγχρονης Μπεϋζιανής στατιστικής. Οι δύο πιο ευρέως χρησιμοποιούμενες παραλλαγές είναι η Metropolis-Hastings, η οποία προτείνει μετακινήσεις από μια γενική κατανομή πρότασης, και η δειγματοληψία Gibbs, η οποία αντλεί κάθε παράμετρο με τη σειρά της από την πλήρη δεσμευμένη κατανομή της.
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.
+8 more
Πηγές
- Gelman, A., Carlin, J.B., Stern, H.S., Dunson, D.B., Vehtari, A. & Rubin, D.B. (2013). Bayesian Data Analysis (3rd ed.). Chapman & Hall/CRC. DOI: 10.1201/b16018 ↗
- Brooks, S., Gelman, A., Jones, G.L. & Meng, X.-L. (Eds.) (2011). Handbook of Markov Chain Monte Carlo. Chapman & Hall/CRC. DOI: 10.1201/b10905 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Markov Chain Monte Carlo (MCMC — Metropolis-Hastings, Gibbs Sampling). ScholarGate. https://scholargate.app/el/simulation/markov-chain-monte-carlo
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.
- Προσεγγιστική Μπεϋζιανή ΥπολογιστικήΠροσομοίωση↔ compare
- Μπεϋζιανή ΠαλινδρόμησηΜπεϋζιανή Στατιστική↔ compare
- Προσομοίωση BootstrapΠροσομοίωση↔ compare
- Δειγματοληψία Υπερ-κύβου ΛατίνουΠροσομοίωση↔ compare
- Προσομοίωση Monte CarloΛήψη Αποφάσεων↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →