Metode Monte Carlo Hamiltonian dengan Galat Pengukuran
Metode Monte Carlo Hamiltonian (HMC) dengan galat pengukuran adalah strategi komputasi Bayesian untuk menyesuaikan model di mana satu atau lebih kovariat diamati dengan derau. HMC mengambil sampel secara bersamaan dari posterior atas parameter model dan nilai kovariat sejati yang tidak teramati, menggunakan proposal berbasis gradien yang mengeksplorasi posterior berdimensi tinggi secara efisien dan menghindari perilaku jalan acak yang lambat dari sampling Metropolis standar.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman and Hall/CRC. ISBN: 978-1584886334
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. Jones, & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 113-162). CRC Press. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo for Bayesian Measurement Error Models. ScholarGate. https://scholargate.app/id/bayesian/hamiltonian-monte-carlo-with-measurement-error
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Inferensi Bayesian dengan Kesalahan PengukuranBayesian↔ bandingkan
- Sampling Gibbs dengan Kesalahan PengukuranBayesian↔ bandingkan
- Hamiltonian Monte CarloBayesian↔ bandingkan
- Filter Kalman dengan Galat PengukuranBayesian↔ bandingkan
- MCMC dengan Kesalahan PengukuranBayesian↔ bandingkan
- Inferensi Variasional dengan Galat PengukuranBayesian↔ bandingkan
Dirujuk oleh
Similar methods
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →