Markov-lánc Monte Carlo (MCMC)
A Markov-lánc Monte Carlo (MCMC) egy olyan számítási algoritmuscsalád, amely komplex valószínűségi eloszlásokból, leggyakrabban a Bayes-féle következtetésben előforduló poszterior eloszlásokból vesz mintát. Ahelyett, hogy a poszteriorokat analitikusan számítaná ki – ami valósághű modellek esetén ritkán lehetséges –, az MCMC egy olyan Markov-láncot konstruál, amelynek stacionárius eloszlása a célposzterior, és ebből függő mintákat vesz, lehetővé téve a teljes probabilisztikus következtetést gyakorlatilag bármely modellre.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
Források
- 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
- Brooks, S., Gelman, A., Jones, G. & Meng, X.-L. (Eds.). (2011). Handbook of Markov Chain Monte Carlo. CRC Press. ISBN: 978-1420079418
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/hu/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.
- Bayes-féle modellátlagolásBayes-statisztika↔ compare
- Bayes-féle RegresszióBayes-statisztika↔ compare
- Variational InferenceBayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →