Monte Carlo hamiltonien avec erreur de mesure

Le Monte Carlo hamiltonien (HMC) avec erreur de mesure est une stratégie computationnelle bayésienne pour ajuster des modèles où un ou plusieurs covariables sont observés avec du bruit. Le HMC échantillonne conjointement à partir de la postérieure sur les paramètres du modèle et les valeurs vraies non observées des covariables, en utilisant des propositions basées sur le gradient qui explorent efficacement la postérieure de haute dimension et évitent le comportement lent de marche aléatoire de l'échantillonnage de Metropolis standard.