MCMC y muestreo
48 métodos en esta familia.
Destacados
GARCH de Correlación Condicional Dinámica Bayesiana (Bayesian DCC-GARCH)Bayesian DCC-GARCH estimates time-varying correlations across multiple financial or economic series by combining Engle's DCC-GARCH structure with Bayesian inference. Rather than maModelo Bayesiano de Mezclas GaussianasThe Bayesian Gaussian Mixture Model places prior distributions over all mixture parameters and infers their posteriors — typically via Variational Bayes or MCMC — rather than fittiAnálisis Filogenético BayesianoBayesian phylogenetic analysis uses Bayes' theorem and Markov chain Monte Carlo (MCMC) sampling to estimate the posterior probability distribution over phylogenetic trees and modelModelo Probit BayesianoThe Bayesian Probit model is a binary regression method that models the probability of a binary outcome using the normal CDF (probit link) within a Bayesian framework. It assigns pHamiltoniano de Monte Carlo DinámicoDynamic Hamiltonian Monte Carlo — widely known as the No-U-Turn Sampler (NUTS) — is an adaptive extension of Hamiltonian Monte Carlo that automatically selects the number of leapfrAlgoritmo Dinámico de Metropolis-HastingsThe Dynamic Metropolis-Hastings (Dynamic MH) algorithm applies the Metropolis-Hastings MCMC sampler to Bayesian state-space and time-varying parameter models. At each time step, la
Reading path
This topic's most-referenced foundational methods, in the order they were developed — a place to start if you're new here.
Todos los métodos 48
GARCH de Correlación Condicional Dinámica Bayesiana (Bayesian DCC-GARCH)Modelo Bayesiano de Mezclas GaussianasAnálisis Filogenético BayesianoModelo Probit BayesianoHamiltoniano de Monte Carlo DinámicoAlgoritmo Dinámico de Metropolis-HastingsFiltro de Partículas DinámicoMonte Carlo Secuencial DinámicoMuestreo de GibbsMuestreo de Gibbs para la comparación de modelosMuestreo de Gibbs con error de mediciónMuestreo de Gibbs con datos faltantesHamiltonian Monte CarloHamiltonian Monte Carlo con error de mediciónMonte Carlo de Hamiltoniano con Datos FaltantesMonte Carlo Hamiltoniano JerárquicoCadena de Markov Monte Carlo JerárquicaFiltro de partículas jerárquicoCadenas de Markov Monte Carlo (MCMC)MCMC para la comparación de modelosMCMC con error de mediciónMCMC con datos faltantesAlgoritmo de Metropolis-HastingsMetropolis-Hastings para comparación de modelosMetropolis-Hastings con error de mediciónMetropolis-Hastings con datos faltantesMuestreo de Gibbs MultinivelHamiltonian Monte Carlo MultinivelMCMC MultinivelMetropolis-Hastings MultinivelMuestreador de No-Giro en U (NUTS)Filtro de Partículas (Monte Carlo Secuencial)Filtro de partículas con error de mediciónFiltro de partículas con datos faltantesMuestreo de Gibbs RobustoHamiltonian Monte Carlo RobustoMarkov Chain Monte Carlo RobustoFiltro de Partículas RobustoMonte Carlo Secuencial RobustoMonte Carlo SecuencialMonte Carlo Secuencial con Error de MediciónMonte Carlo Secuencial con Datos FaltantesSlice SamplingMuestreo de Gibbs EspacialMCMC espacialMCMC para Series TemporalesFiltro de partículas para series temporalesMonte Carlo secuencial para series temporales