Markovi ahel-Monte Carlo (MCMC)
Markovi ahel-Monte Carlo (MCMC) on rühm arvutusalgoritme keeruliste tõenäosusjaotuste, kõige sagedamini Baesi järeldustes tekkivate posterioorsete jaotuste, proovide võtmiseks. Selle asemel, et posterioorseid analüütiliselt arvutada – mis on realistlike mudelite puhul harva võimalik –, konstrueerib MCMC Markovi ahela, mille statsionaarne jaotus on sihtposterioorne ja võtab sellest sõltuvaid valimeid, võimaldades peaaegu iga mudeli jaoks täielikku tõenäosuslikku järeldust.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
Allikad
- 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
- Brooks, S., Gelman, A., Jones, G. & Meng, X.-L. (Eds.). (2011). Handbook of Markov Chain Monte Carlo. CRC Press. ISBN: 978-1420079418
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/et/bayesian/mcmc
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.
- Bayes'i mudelikeskmineBayesi meetodid↔ compare
- Bayes' regressioonBayesi meetodid↔ compare
- Variational InferenceBayesi meetodid↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →