Markov Chain Monte Carlo Robust
MCMC Robust menggabungkan pencuplikan Markov chain Monte Carlo dengan teknik-teknik ketahanan (robustness) untuk menghasilkan inferensi posterior yang andal ketika data mengandung pencilan (outlier), ketika model yang diasumsikan salah spesifikasi, atau ketika distribusi target memiliki ekor tebal yang menyebabkan pencuplik standar bercampur dengan buruk atau menghasilkan estimasi yang terdistorsi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- Roberts, G. O. & Rosenthal, J. S. (2004). General state space Markov chains and MCMC algorithms. Probability Surveys, 1, 20–71. DOI: 10.1214/154957804100000024 ↗
- Barp, A., Kennedy, C., Durmus, A. & Girolami, M. (2022). Targeted separation and convergence with kernel discrepancies. arXiv preprint. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Robust Markov Chain Monte Carlo Sampling. ScholarGate. https://scholargate.app/id/bayesian/robust-markov-chain-monte-carlo
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.
- Sampling GibbsBayesian↔ bandingkan
- Hamiltonian Monte CarloBayesian↔ bandingkan
- Markov Chain Monte Carlo (MCMC)Bayesian↔ bandingkan
- Inferensi Bayesian RobustBayesian↔ bandingkan
- Monte Carlo SekuensialBayesian↔ bandingkan
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →