Hamiltonian Monte Carlo con errore di misurazione
Hamiltonian Monte Carlo (HMC) con errore di misurazione è una strategia computazionale Bayesiana per l'adattamento di modelli in cui una o più covariate sono osservate con rumore. L'HMC campiona congiuntamente dalla posteriore sui parametri del modello e sui valori non osservati delle covariate vere, utilizzando proposte basate sul gradiente che esplorano efficientemente la posteriore ad alta dimensionalità ed evitano il lento comportamento di random-walk del campionamento Metropolis standard.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo for Bayesian Measurement Error Models. ScholarGate. https://scholargate.app/it/bayesian/hamiltonian-monte-carlo-with-measurement-error
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Inferenza Bayesiana con Errore di MisuraBayesiano↔ confronta
- Gibbs Sampling con errore di misurazioneBayesiano↔ confronta
- Hamiltonian Monte CarloBayesiano↔ confronta
- Filtro di Kalman con errore di misurazioneBayesiano↔ confronta
- MCMC con errore di misurazioneBayesiano↔ confronta
- Inferenza Variazionale con Errore di MisuraBayesiano↔ confronta
Citato da
Similar methods
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →