MCMC et échantillonnage
48 méthodes dans cette famille.
À la une
Modèle GARCH DCC Bayésien dynamique conditionnel (Bayesian DCC-GARCH)Bayesian DCC-GARCH estimates time-varying correlations across multiple financial or economic series by combining Engle's DCC-GARCH structure with Bayesian inference. Rather than maModèle Bayésien de Mélange GaussienThe Bayesian Gaussian Mixture Model places prior distributions over all mixture parameters and infers their posteriors — typically via Variational Bayes or MCMC — rather than fittiAnalyse phylogénétique bayésienneBayesian phylogenetic analysis uses Bayes' theorem and Markov chain Monte Carlo (MCMC) sampling to estimate the posterior probability distribution over phylogenetic trees and modelBayesian Probit modelThe Bayesian Probit model is a binary regression method that models the probability of a binary outcome using the normal CDF (probit link) within a Bayesian framework. It assigns pMonte Carlo Hamiltonien DynamiqueDynamic Hamiltonian Monte Carlo — widely known as the No-U-Turn Sampler (NUTS) — is an adaptive extension of Hamiltonian Monte Carlo that automatically selects the number of leapfrAlgorithme Dynamique de Metropolis-HastingsThe Dynamic Metropolis-Hastings (Dynamic MH) algorithm applies the Metropolis-Hastings MCMC sampler to Bayesian state-space and time-varying parameter models. At each time step, la
Parcours de lecture
Les méthodes fondamentales les plus citées de ce thème, dans l'ordre de leur développement — un point de départ si vous débutez ici.
Toutes les méthodes 48
Modèle GARCH DCC Bayésien dynamique conditionnel (Bayesian DCC-GARCH)Modèle Bayésien de Mélange GaussienAnalyse phylogénétique bayésienneBayesian Probit modelMonte Carlo Hamiltonien DynamiqueAlgorithme Dynamique de Metropolis-HastingsFiltre particulaire dynamiqueDynamic Sequential Monte CarloÉchantillonnage de GibbsÉchantillonnage de Gibbs pour la comparaison de modèlesÉchantillonnage de Gibbs avec erreur de mesureÉchantillonnage de Gibbs avec données manquantesMonte Carlo HamiltonienMonte Carlo hamiltonien avec erreur de mesureHamiltonian Monte Carlo avec données manquantesHamiltonian Monte Carlo HiérarchiqueChaîne de Markov Monte Carlo hiérarchiqueFiltre particulaire hiérarchiqueChaîne de Markov Monte Carlo (MCMC)MCMC pour la comparaison de modèlesMCMC avec erreur de mesureMCMC avec données manquantesAlgorithme de Metropolis-HastingsComparaison de modèles par Metropolis-HastingsMetropolis-Hastings avec erreur de mesureMetropolis-Hastings avec données manquantesÉchantillonnage de Gibbs multiniveauxHamiltonien de Monte Carlo multiniveauMCMC multiniveauMetropolis-Hastings multiniveauÉchantillonneur sans demi-tour (NUTS)Filtre particulaire (Monte Carlo séquentiel)Filtre particulaire avec erreur de mesureFiltre particulaire avec données manquantesÉchantillonnage de Gibbs robusteHamiltonien Monte Carlo RobusteChaîne de Markov Monte Carlo RobusteFiltre particulaire robusteMonte Carlo Séquentiel RobusteMonte Carlo séquentielSequential Monte Carlo avec erreur de mesureMonte Carlo séquentiel avec données manquantesSlice SamplingÉchantillonnage de Gibbs spatialMCMC spatialeMCMC pour séries temporellesFiltre particulaire pour séries temporellesFiltrage Séquentiel par Monte-Carlo pour Séries Temporelles