ScholarGate
Assistent
Bayesian methods

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.

Ava rakenduses MethodMindPeagiVideoPeagiDownload slides

Loe meetodi täielikku kirjeldust

Ainult liikmetele

Selle osa lugemiseks logi sisse tasuta kontoga.

Logi sisse

Method map

The neighbourhood of related methods — select a node to explore.

+25 more

Allikad

  1. 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
  2. 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.

Compare side by side

Sellele viitavad

ScholarGateMCMC (Markov Chain Monte Carlo). Loetud 2026-06-15 aadressilt https://scholargate.app/et/bayesian/mcmc · Andmestik: https://doi.org/10.5281/zenodo.20539026