Markov Chain Monte Carlo (MCMC) — Metropolis-Hastings and Gibbs Sampling
Markov Chain Monte Carlo (MCMC) הוא משפחה של אלגוריתמי סימולציה הבונה שרשרת מרקוב שהתפלגותה הנייחת היא ההתפלגות הפוסטריורית הרצויה, ומאפשרת היסק בייסיאני וחישוב אינטגרלים רב-ממדיים שאחרת היו אנליטית בלתי ניתנים לפתרון. MCMC, שפותח לראשונה על ידי Metropolis ועמיתיו ב-1953 והורחב על ידי Hastings ב-1970, מהווה את הבסיס לסטטיסטיקה בייסיאנית מודרנית. שני הווריאנטים הנפוצים ביותר הם Metropolis-Hastings, המציע צעדים מהתפלגות הצעה כללית, ודגימת גיבס (Gibbs sampling), הדוגמת כל פרמטר בתורו מהתפלגותו המותנית המלאה.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
מקורות
- Gelman, A., Carlin, J.B., Stern, H.S., Dunson, D.B., Vehtari, A. & Rubin, D.B. (2013). Bayesian Data Analysis (3rd ed.). Chapman & Hall/CRC. DOI: 10.1201/b16018 ↗
- Brooks, S., Gelman, A., Jones, G.L. & Meng, X.-L. (Eds.) (2011). Handbook of Markov Chain Monte Carlo. Chapman & Hall/CRC. DOI: 10.1201/b10905 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 1). Markov Chain Monte Carlo (MCMC — Metropolis-Hastings, Gibbs Sampling). ScholarGate. https://scholargate.app/he/simulation/markov-chain-monte-carlo
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.
- חישוב בייסיאני מקורבסימולציה↔ compare
- רגרסיה בייסיאניתבייסיאני↔ compare
- סימולציית Bootstrapסימולציה↔ compare
- דגימת היפר-קובייה לטיניתסימולציה↔ compare
- סימולציית מונטה קרלוקבלת החלטות↔ compare