Catena di Markov Monte Carlo (MCMC)
La Catena di Markov Monte Carlo (MCMC) è una famiglia di algoritmi computazionali per il campionamento da distribuzioni di probabilità complesse, più comunemente le distribuzioni a posteriori che emergono nell'inferenza bayesiana. Anziché calcolare le distribuzioni a posteriori analiticamente — cosa raramente possibile per modelli realistici — l'MCMC costruisce una catena di Markov la cui distribuzione stazionaria è la distribuzione a posteriori target e da essa estrae campioni dipendenti, consentendo un'inferenza probabilistica completa per praticamente qualsiasi modello.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
Fonti
- 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
- Brooks, S., Gelman, A., Jones, G. & Meng, X.-L. (Eds.). (2011). Handbook of Markov Chain Monte Carlo. CRC Press. ISBN: 978-1420079418
Come citare questa pagina
ScholarGate. (2026, June 1). Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/it/bayesian/mcmc
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesian Model AveragingBayesiano↔ compare
- Regressione BayesianaBayesiano↔ compare
- Inferenza VariazionaleBayesiano↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →