Monte Carlo de Hamiltoniano con Datos Faltantes
El Monte Carlo de Hamiltoniano (HMC) con datos faltantes extiende el muestreador HMC basado en gradientes para manejar observaciones incompletas tratando los valores faltantes como parámetros desconocidos adicionales. La posterior sobre los parámetros del modelo y los valores faltantes se muestrea conjuntamente en una pasada eficiente, explotando la información del gradiente para explorar el espacio conjunto de alta dimensionalidad con muchas menos propuestas rechazadas que el MCMC de caminata aleatoria.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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. 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. Chapter 18: Missing-data imputation. ISBN: 978-1439840955
Cómo citar esta página
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo with Missing Data Imputation. ScholarGate. https://scholargate.app/es/bayesian/hamiltonian-monte-carlo-with-missing-data
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.
- Inferencia bayesiana con datos faltantesBayesiano↔ compare
- Muestreo de Gibbs con datos faltantesBayesiano↔ compare
- Hamiltonian Monte CarloBayesiano↔ compare
- MCMC con datos faltantesBayesiano↔ compare
- Múltiple ImputaciónEstadística↔ compare
- Inferencia Variacional con Datos FaltantesBayesiano↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →