ScholarGate
Assistente
Bayesian methods

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.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

+25 more

Fonti

  1. 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
  2. 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.

Compare side by side

Citato da

ScholarGateMCMC (Markov Chain Monte Carlo). Consultato il 2026-06-15 da https://scholargate.app/it/bayesian/mcmc · Insieme di dati: https://doi.org/10.5281/zenodo.20539026