Robust Markov Chain Monte Carlo
Robust MCMC, मार्कोव श्रृंखला मोंटे कार्लो सैंपलिंग को मजबूती तकनीकों के साथ जोड़ता है ताकि विश्वसनीय पश्च अनुमान (posterior inference) उत्पन्न किया जा सके जब डेटा में आउटलायर्स (outliers) हों, जब अनुमानित मॉडल गलत निर्दिष्ट हो, या जब लक्ष्य वितरण (target distribution) में भारी पूंछ (heavy tails) हों जो मानक सैंपलर को खराब मिश्रण (poor mixing) करने या विकृत अनुमान (distorted estimates) देने का कारण बनती हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
पद्धति मानचित्र
सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Robust Markov Chain Monte Carlo Sampling. ScholarGate. https://scholargate.app/hi/bayesian/robust-markov-chain-monte-carlo
कौन-सी पद्धति?
इस पद्धति को उसकी निकटतम सजातीय पद्धतियों के साथ रखकर उन्हें साथ-साथ पढ़ें — पुस्तकालय पुस्तकें मेज़ पर रख देता है; चुनाव आपका है।
- गिब्स सैंपलिंगबायेसियन↔ तुलना करें
- हैमिल्टनियन मोंटे कार्लोबायेसियन↔ तुलना करें
- मार्कोव चेन मोंटे कार्लो (MCMC)बायेसियन↔ तुलना करें
- मजबूत बायेसियन अनुमान (Robust Bayesian Inference)बायेसियन↔ तुलना करें
- सीक्वेंशियल मोंटे कार्लोबायेसियन↔ तुलना करें