ScholarGate
Asisten
Bayesian methodsBayesian / computational

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.

Buka di MethodMindSegeraApply, compare, get guidance
Tools & resources
Unduh salindia
Learn & explore
VideoSegera

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

  1. 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
  2. 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.

Bandingkan berdampingan

Dirujuk oleh

ScholarGateHamiltonian Monte Carlo with Measurement Error (Hamiltonian Monte Carlo for Bayesian Measurement Error Models). Diakses 2026-06-17 dari https://scholargate.app/id/bayesian/hamiltonian-monte-carlo-with-measurement-error · Set data: https://doi.org/10.5281/zenodo.20539026