Hamiltonian Monte Carlo Gerarchico
L'Hamiltonian Monte Carlo Gerarchico (Hierarchical HMC) applica il campionamento Hamiltonian Monte Carlo a modelli gerarchici Bayesiani, affrontando le severe sfide geometriche che tali modelli pongono. Combinando parametrizzazioni non centrate con le proposte guidate dal gradiente di HMC, ottiene un'esplorazione efficiente della posterior per le geometrie a imbuto a più livelli con cui i metodi MCMC standard faticano.
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
- Betancourt, M. & Girolami, M. (2015). Hamiltonian Monte Carlo for hierarchical models. In S. K. Upadhyay, U. Singh, D. K. Dey & A. Loganathan (Eds.), Current Trends in Bayesian Methodology with Applications (pp. 79-101). CRC Press. link ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Come citare questa pagina
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo for Hierarchical Models. ScholarGate. https://scholargate.app/it/bayesian/hierarchical-hamiltonian-monte-carlo
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.
- Regressione BayesianaBayesiano↔ confronta
- Hamiltonian Monte CarloBayesiano↔ confronta
- Inferenza Bayesiana GerarchicaBayesiano↔ confronta
- Hierarchical Markov Chain Monte CarloBayesiano↔ confronta
- Catena di Markov Monte Carlo (MCMC)Bayesiano↔ confronta
Citato da
Similar methods
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →