Dynaaminen Metropolis-Hastings-algoritmi
Dynaaminen Metropolis-Hastings (Dynamic MH) -algoritmi soveltaa Metropolis-Hastings MCMC-otantamenetelmää Bayesiläisiin tilamallimalleihin ja aikavarianteille parametrimallit. Jokaisessa aikapisteessä piilevät tilat tai kehittyvät parametrit päivitetään ehdotus-ja-hyväksyntäliikkeillä, tuottaen täydelliset posteriorijakaumat trajektorioiden yli yksittäisten suodatettujen estimaattien sijaan.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
- Carlin, B. P., Polson, N. G., & Stoffer, D. S. (1992). A Monte Carlo approach to nonnormal and nonlinear state-space modeling. Journal of the American Statistical Association, 87(418), 493–500. DOI: 10.1080/01621459.1992.10475231 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Dynamic Metropolis-Hastings Algorithm for Time-Varying Models. ScholarGate. https://scholargate.app/fi/bayesian/dynamic-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.
- Dynaaminen Bayesilainen päättelyBayesilainen tilastotiede↔ compare
- Gibbs-otantaBayesilainen tilastotiede↔ compare
- Kalman-suodinBayesilainen tilastotiede↔ compare
- Metropolis-Hastings-algoritmiBayesilainen tilastotiede↔ compare
- Partikkelisuodin (sekventiaalinen Monte Carlo)Bayesilainen tilastotiede↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →