MCMC i uzorkovanje
48 metoda u ovoj obitelji.
Izdvojeno
Bayesijanski dinamički uvjetni korelacijski GARCH (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 maBayesov model Gaussovih smjesaThe Bayesian Gaussian Mixture Model places prior distributions over all mixture parameters and infers their posteriors — typically via Variational Bayes or MCMC — rather than fittiBayesova filogenetička analizaBayesian phylogenetic analysis uses Bayes' theorem and Markov chain Monte Carlo (MCMC) sampling to estimate the posterior probability distribution over phylogenetic trees and modelBayesov 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 pDinamički Hamiltonov Monte CarloDynamic 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 leapfrDinamički Metropolis-Hastingsov algoritamThe 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
Put čitanja
Najreferentnije temeljne metode ove teme, poredane redoslijedom njihova razvoja — polazište ako ste ovdje novi.
Sve metode 48
Bayesijanski dinamički uvjetni korelacijski GARCH (Bayesian DCC-GARCH)Bayesov model Gaussovih smjesaBayesova filogenetička analizaBayesov probit modelDinamički Hamiltonov Monte CarloDinamički Metropolis-Hastingsov algoritamDinamički filtar česticaDinamičko sekvencijalno Monte CarloGibbs uzorkovanjeGibbsovo uzorkovanje za usporedbu modelaGibbsovo uzorkovanje s pogreškom mjerenjaGibbs Sampling s nedostajućim podacimaHamiltonian Monte CarloHamiltonovo Monte Carlo s pogreškom mjerenjaHamiltonian Monte Carlo s nedostajućim podacimaHijerarhijsko Hamiltonovo Monte CarloHijerarhijsko Markovljevo pokretanje uzoraka Monte CarloHijerarhijski filtar česticaMarkovova lančana Monte Carlo (MCMC)MCMC za usporedbu modelaMCMC s pogreškom mjerenjaMCMC s nedostajućim podacimaMetropolis-Hastingsov algoritamMetropolis-Hastings za usporedbu modelaMetropolis-Hastings s pogreškom mjerenjaMetropolis-Hastings s nedostajućim podacimaVišerazinska Gibbsova metoda uzorkovanjaVišerazinski Hamiltonian Monte CarloVišerazinska MCMC metodaVišerazinski Metropolis-HastingsNo-U-Turn Sampler (NUTS)Particle Filter (Sequential Monte Carlo)Čestični filtar s pogreškom mjerenjaFiltar čestica s nedostajućim podacimaRobusno Gibbsovo uzorkovanjeRobusni Hamiltonov Monte CarloRobusni Markovljevi lanci (MCMC)Robusni filtar česticaRobusni sekvencijalni Monte CarloSekvencijalno Monte CarloSekvencijalno Monte Carlo uz pogrešku mjerenjaSekvencijalno Monte Carlo uz nedostajuće podatkeMetoda uzorkovanja po odsječcimaProstorno Gibbsovo uzorkovanjeProstorno MCMCMCMC za vremenske nizoveČestični filtar za vremenske serijeVremensko-sekvencijalni Monte Carlo