Laplace-approximáció
A Laplace-approximáció egy klasszikus analitikai technika, amely egy nehezen kezelhető utóeloszlást egy többelváltozós Gauss-eloszlással helyettesít, amely az utóeloszlás móduszán (csúcsán) középpontos, és az utóeloszlás logaritmusának görbületét használja a kovariancia meghatározására. A Bayes-statisztikában Tierney és Kadane (1986) formalizálta az Amerikai Statisztikai Társaság folyóiratában megjelent úttörő cikkében. Ez egy gyors, determinisztikus alternatívát kínál a Markov-lánc Monte Carlo (MCMC) módszerekkel szemben, és képezi a Beágyazott Laplace-approximációk (INLA) matematikai magját.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
- MacKay, D. J. C. (2003). Information Theory, Inference, and Learning Algorithms. Cambridge University Press. ISBN: 978-0521642989
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Laplace Approximation to the Posterior. ScholarGate. https://scholargate.app/hu/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.
- Bayes-féle RegresszióBayes-statisztika↔ compare
- Expectation Propagation (EP)Bayes-statisztika↔ compare
- Markov-lánc Monte Carlo (MCMC)Bayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →