Bayesian methods

שרשרת מרקוב מונטה קרלו (MCMC)

שרשרת מרקוב מונטה קרלו (MCMC) היא משפחה של אלגוריתמים חישוביים לדגימה מהתפלגויות הסתברות מורכבות, לרוב התפלגויות פוסטריוריות הנובעות מהסקה בייסיאנית. במקום לחשב פוסטריורים אנליטית — דבר שלרוב אינו אפשרי עבור מודלים ריאליסטיים — MCMC בונה שרשרת מרקוב שהתפלגותה הנייחת היא הפוסטריור המבוקש, ושואבת ממנה דגימות תלויות, מה שמאפשר הסקה הסתברותית מלאה עבור כל מודל כמעט.

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.

+25 more

מקורות

  1. Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
  2. Brooks, S., Gelman, A., Jones, G. & Meng, X.-L. (Eds.). (2011). Handbook of Markov Chain Monte Carlo. CRC Press. ISBN: 978-1420079418

איך לצטט עמוד זה

ScholarGate. (2026, June 1). Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/he/bayesian/mcmc

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

ScholarGateMCMC (Markov Chain Monte Carlo). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/bayesian/mcmc · מערך נתונים: https://doi.org/10.5281/zenodo.20539026