الگوریتم متروپولیس-هستینگز
الگوریتم متروپولیس-هستینگز (MH) یک روش عمومی زنجیره مارکوف مونت کارلو (MCMC) برای نمونهگیری از هر توزیع احتمالی است که چگالی آن تا یک ثابت نرمالسازی قابل ارزیابی باشد. این الگوریتم که توسط متروپولیس، روزنبلات، روزنبلات، تلر و تلر (1953) در فیزیک محاسباتی معرفی شد و توسط هستینگز (1970) به توزیعهای پیشنهادی نامتقارن تعمیم یافت، الگوریتم پایهای است که تقریباً تمام نمونهگیرهای MCMC بعدی — نمونهگیری گیبس، مونت کارلو هامیلتونی، نمونهگیری برش — از آن مشتق شدهاند یا میتوان آنها را موارد خاصی از آن در نظر گرفت.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
منابع
- Metropolis, N., Rosenbluth, A. W., Rosenbluth, M. N., Teller, A. H., & Teller, E. (1953). Equation of state calculations by fast computing machines. The Journal of Chemical Physics, 21(6), 1087–1092. DOI: 10.1063/1.1699114 ↗
- Hastings, W. K. (1970). Monte Carlo sampling methods using Markov chains and their applications. Biometrika, 57(1), 97–109. DOI: 10.1093/biomet/57.1.97 ↗
- Robert, C. P., & Casella, G. (2004). Monte Carlo Statistical Methods (2nd ed.). Springer. ISBN: 978-0-387-21239-5
- 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: 978-1-439-84095-5
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Metropolis-Hastings Markov Chain Monte Carlo Algorithm. ScholarGate. https://scholargate.app/fa/bayesian/metropolis-hastings-algorithm
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.
- رگرسیون بیزیبیزی↔ compare
- نمونهگیری گیبسبیزی↔ compare
- هامیلتونی مونت کارلوبیزی↔ compare
- مونتکارلوی ترتیبیبیزی↔ compare
- نمونهبرداری اسلایسی (Slice Sampling)بیزی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →