Hamiltonian Monte Carlo con error de medición
Hamiltonian Monte Carlo (HMC) con error de medición es una estrategia computacional bayesiana para ajustar modelos donde una o más covariables se observan con ruido. HMC muestrea conjuntamente de la posterior sobre los parámetros del modelo y los valores verdaderos no observados de las covariables, utilizando propuestas basadas en gradientes que exploran la posterior de alta dimensionalidad de manera eficiente y evitan el comportamiento lento de caminata aleatoria del muestreo Metropolis estándar.
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.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo for Bayesian Measurement Error Models. ScholarGate. https://scholargate.app/es/bayesian/hamiltonian-monte-carlo-with-measurement-error
¿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.
- Inferencia bayesiana con error de mediciónBayesiano↔ comparar
- Muestreo de Gibbs con error de mediciónBayesiano↔ comparar
- Hamiltonian Monte CarloBayesiano↔ comparar
- Filtro de Kalman con error de mediciónBayesiano↔ comparar
- MCMC con error de mediciónBayesiano↔ comparar
- Inferencia variacional con error de medidaBayesiano↔ comparar
Citado por
Similar methods
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →