Markov Chain Monte Carlo Robusto
El MCMC Robusto combina el muestreo de Markov Chain Monte Carlo con técnicas de robustez para producir inferencias posteriores fiables cuando los datos contienen valores atípicos, cuando el modelo asumido está mal especificado o cuando la distribución objetivo tiene colas pesadas que hacen que los muestreadores estándar mezclen mal o produzcan estimaciones distorsionadas.
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
- Roberts, G. O. & Rosenthal, J. S. (2004). General state space Markov chains and MCMC algorithms. Probability Surveys, 1, 20–71. DOI: 10.1214/154957804100000024 ↗
- Barp, A., Kennedy, C., Durmus, A. & Girolami, M. (2022). Targeted separation and convergence with kernel discrepancies. arXiv preprint. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Robust Markov Chain Monte Carlo Sampling. ScholarGate. https://scholargate.app/es/bayesian/robust-markov-chain-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.
- Muestreo de GibbsBayesiano↔ comparar
- Hamiltonian Monte CarloBayesiano↔ comparar
- Cadenas de Markov Monte Carlo (MCMC)Bayesiano↔ comparar
- Inferencia Bayesiana RobustaBayesiano↔ comparar
- Monte Carlo SecuencialBayesiano↔ comparar
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →