Robust Markov Chain Monte Carlo
Robust MCMC yhdistää Markovin ketju-Monte Carlo -otannan robustisuustekniikoihin luotettavan posteriorijakauman päättelyn tuottamiseksi, kun aineisto sisältää poikkeavia havaintoja, kun oletettu malli on virheellisesti spesifioitu tai kun kohdejakaumalla on paksut hännät, jotka saavat tavalliset otantamenetelmät toimimaan huonosti tai tuottamaan vääristyneitä estimaatteja.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Robust Markov Chain Monte Carlo Sampling. ScholarGate. https://scholargate.app/fi/bayesian/robust-markov-chain-monte-carlo
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Gibbs-otantaBayesilainen tilastotiede↔ vertaa
- Hamiltonin Monte CarloBayesilainen tilastotiede↔ vertaa
- Markov-ketju-Monte Carlo (MCMC)Bayesilainen tilastotiede↔ vertaa
- Robustin Bayesiläinen päättelyBayesilainen tilastotiede↔ vertaa
- Sekventiaalinen Monte CarloBayesilainen tilastotiede↔ vertaa
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →