Hamiltonian Monte Carlo
Hamiltonian Monte Carlo (HMC) es un algoritmo de Monte Carlo de cadena de Markov basado en gradientes que utiliza la geometría de la superficie log-posterior para realizar saltos grandes e informados a través del espacio de parámetros en lugar de los pequeños pasos aleatorios del MCMC clásico. Introducido originalmente para la teoría de campos en redes por Duane, Kennedy, Pendleton y Roweth (1987) con el nombre de Hybrid Monte Carlo, y popularizado en la estadística general por el influyente capítulo de Radford Neal de 2011, HMC es hoy el muestreador predeterminado en Stan y PyMC y es ampliamente considerado como el motor de vanguardia para la inferencia bayesiana posterior en modelos de alta dimensionalidad.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
+15 más
Fuentes
- Duane, S., Kennedy, A. D., Pendleton, B. J., & Roweth, D. (1987). Hybrid Monte Carlo. Physics Letters B, 195(2), 216–222. DOI: 10.1016/0370-2693(87)91197-X ↗
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. L. Jones, & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 116–162). Chapman and Hall/CRC. ISBN: 978-1420079418 ↗
- 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: 978-1439840955
Cómo citar esta página
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo Sampling. ScholarGate. https://scholargate.app/es/bayesian/hamiltonian-monte-carlo
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Regresión bayesianaBayesiano↔ comparar
- Cadenas de Markov Monte Carlo (MCMC)Bayesiano↔ comparar
- Inferencia VariacionalBayesiano↔ comparar
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →