MCMC és mintavételezés
48 módszer ebben a családban.
Kiemelt
Bayes-féle Dinamikus Feltételes Korrelációs GARCH (Bayes-féle 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 maBayes-féle Gauss-keverék modellThe Bayesian Gaussian Mixture Model places prior distributions over all mixture parameters and infers their posteriors — typically via Variational Bayes or MCMC — rather than fittiBayes-féle filogenetikai analízisBayesian phylogenetic analysis uses Bayes' theorem and Markov chain Monte Carlo (MCMC) sampling to estimate the posterior probability distribution over phylogenetic trees and modelBayes-féle Probit modellThe 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 pDinamikus Hamilton-féle 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 leapfrDinamikus Metropolis-Hastings algoritmusThe 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
Olvasási útvonal
E témakör leggyakrabban hivatkozott alapmódszerei kidolgozásuk sorrendjében — kiindulópont, ha most ismerkedik a területtel.
Minden módszer 48
Bayes-féle Dinamikus Feltételes Korrelációs GARCH (Bayes-féle DCC-GARCH)Bayes-féle Gauss-keverék modellBayes-féle filogenetikai analízisBayes-féle Probit modellDinamikus Hamilton-féle Monte CarloDinamikus Metropolis-Hastings algoritmusDinamikus részecskeszűrőDinamikus szekvenciális Monte Carlo módszerGibbs-mintavételGibbs-mintavételezés modellösszehasonlításhozGibbs-mintavételezési eljárás mérési hibávalGibbs-mintavételezés hiányzó adatokkalHamiltonian Monte CarloHamilton-féle Monte Carlo szimuláció mérési hibávalHamiltonian Monte Carlo hiányzó adatokkalHierarchikus Hamiltoni Monte CarloHierarchikus Markov-lánc Monte CarloHierarchikus részecskeszűrőMarkov-lánc Monte Carlo (MCMC)MCMC modellösszehasonlításhozMCMC mérési hibávalMCMC hiányzó adatokkalMetropolis-Hastings algoritmusMetropolis-Hastings modellösszehasonlításMetropolis-Hastings mérési hibávalMetropolis-Hastings hiányzó adatokkalMultilevel Gibbs SamplingMultilevel Hamiltonian Monte CarloTöbbszintű MCMCMultilevel Metropolis-HastingsNo-U-Turn Sampler (NUTS)A részecskeszűrő (szekvenciális Monte Carlo)Részecskeszűrő mérési hibávalRészecskeszűrő hiányzó adatokkalRobusztus Gibbs-mintavételezésRobuszt Hamiltonian Monte CarloRobuszt Markov-lánc Monte CarloRobusztus részecskeszűrőRobust Sequential Monte CarloSzekvenciális Monte CarloSzekvenciális Monte Carlo mérési hibávalSzekvenciális Monte Carlo szűrés hiányzó adatokkalSzeletmintavételezésTérbeli Gibbs-mintaTérbeli MCMCIdősori MCMCIdősoros részecskeszűrő (Particle Filter)Idősorozat szekvenciális Monte Carlo