Chaîne de Markov Monte Carlo Robuste
La MCMC robuste combine l'échantillonnage par chaîne de Markov Monte Carlo avec des techniques de robustesse pour produire une inférence bayésienne fiable lorsque les données contiennent des valeurs aberrantes, lorsque le modèle supposé est mal spécifié, ou lorsque la distribution cible a des queues épaisses qui font que les échantillonneurs standards mélangent mal ou produisent des estimations déformées.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Markov Chain Monte Carlo Sampling. ScholarGate. https://scholargate.app/fr/bayesian/robust-markov-chain-monte-carlo
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Échantillonnage de GibbsBayésien↔ comparer
- Monte Carlo HamiltonienBayésien↔ comparer
- Chaîne de Markov Monte Carlo (MCMC)Bayésien↔ comparer
- Inférence bayésienne robusteBayésien↔ comparer
- Monte Carlo séquentielBayésien↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →