Bayesian methods

קירוב לפלס

קירוב לפלס הוא טכניקה אנליטית קלאסית המחליפה התפלגות פוסטריורית שאינה ניתנת לחישוב (intractable) בהתפלגות גאוסית רב-משתנית המרוכזת סביב אופטימום ההתפלגות הפוסטריורית, תוך שימוש בעקמומיות הלוגריתם של ההתפלגות הפוסטריורית בנקודה זו כדי לקבוע את השונות המשותפת. טכניקה זו, אשר פורמלה עבור סטטיסטיקה בייסיאנית על ידי Tierney ו-Kadane (1986) במאמרם פורץ הדרך ב-Journal of the American Statistical Association, מספקת חלופה מהירה ודטרמיניסטית לשיטות מרקוב מונטה קרלו (MCMC) ומהווה את הליבה המתמטית של שיטת הקירובים המשולבים של לפלס (Integrated Nested Laplace Approximations - INLA).

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

מקורות

  1. Tierney, L. & Kadane, J. B. (1986). Accurate approximations for posterior moments and marginal densities. Journal of the American Statistical Association, 81(393), 82–86. DOI: 10.1080/01621459.1986.10478240
  2. MacKay, D. J. C. (2003). Information Theory, Inference, and Learning Algorithms. Cambridge University Press. ISBN: 978-0521642989
  3. Rue, H., Martino, S. & Chopin, N. (2009). Approximate Bayesian inference for latent Gaussian models by using integrated nested Laplace approximations. Journal of the Royal Statistical Society: Series B, 71(2), 319–392. DOI: 10.1111/j.1467-9868.2008.00700.x

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Laplace Approximation to the Posterior. ScholarGate. https://scholargate.app/he/bayesian/laplace-approximation

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.

Compare side by side

מאוזכר על ידי

ScholarGateLaplace Approximation (Laplace Approximation to the Posterior). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/bayesian/laplace-approximation · מערך נתונים: https://doi.org/10.5281/zenodo.20539026