Robust Markov Chain Monte Carlo
Robust MCMC ühendab Markovi ahel-Monte Carlo (MCMC) võtmismeetodid robustsuse tehnikatega, et saada usaldusväärseid järeldusi andmetes esinevate äärmuslike väärtuste, eeldatud mudeli valesti spetsifitseerimise või raskete sabadega sihtjaotuste korral, mis põhjustavad standardsete võtmismeetodite halva segunemise või moonutatud hinnangute andmise.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Robust Markov Chain Monte Carlo Sampling. ScholarGate. https://scholargate.app/et/bayesian/robust-markov-chain-monte-carlo
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
- Gibbs SamplingBayesi meetodid↔ võrdle
- Hamiltoni Monte CarloBayesi meetodid↔ võrdle
- Markovi ahel-Monte Carlo (MCMC)Bayesi meetodid↔ võrdle
- Robustne Bayes'i järeldusBayesi meetodid↔ võrdle
- Jadaline Monte CarloBayesi meetodid↔ võrdle
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →