MCMC e campionamento
48 metodi in questa famiglia.
In evidenza
Bayesian DCC-GARCHBayesian DCC-GARCH estimates time-varying correlations across multiple financial or economic series by combining Engle's DCC-GARCH structure with Bayesian inference. Rather than maModello Bayesiano a Mischia di GaussianeThe Bayesian Gaussian Mixture Model places prior distributions over all mixture parameters and infers their posteriors — typically via Variational Bayes or MCMC — rather than fittiAnalisi filogenetica BayesianaBayesian phylogenetic analysis uses Bayes' theorem and Markov chain Monte Carlo (MCMC) sampling to estimate the posterior probability distribution over phylogenetic trees and modelModello Probit BayesianoThe Bayesian Probit model is a binary regression method that models the probability of a binary outcome using the normal CDF (probit link) within a Bayesian framework. It assigns pDynamic Hamiltonian Monte CarloDynamic Hamiltonian Monte Carlo — widely known as the No-U-Turn Sampler (NUTS) — is an adaptive extension of Hamiltonian Monte Carlo that automatically selects the number of leapfrAlgoritmo Metropolis-Hastings DinamicoThe Dynamic Metropolis-Hastings (Dynamic MH) algorithm applies the Metropolis-Hastings MCMC sampler to Bayesian state-space and time-varying parameter models. At each time step, la
Reading path
This topic's most-referenced foundational methods, in the order they were developed — a place to start if you're new here.
Tutti i metodi 48
Bayesian DCC-GARCHModello Bayesiano a Mischia di GaussianeAnalisi filogenetica BayesianaModello Probit BayesianoDynamic Hamiltonian Monte CarloAlgoritmo Metropolis-Hastings DinamicoFiltro particellare dinamicoDynamic Sequential Monte CarloGibbs SamplingCampionamento di Gibbs per il Confronto di ModelliGibbs Sampling con errore di misurazioneCampionamento di Gibbs con dati mancantiHamiltonian Monte CarloHamiltonian Monte Carlo con errore di misurazioneHamiltonian Monte Carlo con Dati MancantiHamiltonian Monte Carlo GerarchicoHierarchical Markov Chain Monte CarloFiltro particellare gerarchicoCatena di Markov Monte Carlo (MCMC)Confronto tra modelli mediante MCMCMCMC con errore di misurazioneMCMC con dati mancantiAlgoritmo di Metropolis-HastingsMetropolis-Hastings per il confronto di modelliMetropolis-Hastings con errore di misurazioneMetropolis-Hastings con dati mancantiCampionamento di Gibbs multilivelloMultilevel Hamiltonian Monte CarloMCMC multilivelloMetropolis-Hastings MultilivelloNo-U-Turn Sampler (NUTS)Filtro a particelle (Monte Carlo Sequenziale)Filtro a Particelle con Errore di MisuraFiltro Particellare con Dati MancantiGibbs Sampling RobustoHamiltonian Monte Carlo RobustoMarkov Chain Monte Carlo RobustoFiltro Particellare RobustoMonte Carlo Sequenziale RobustoMonte Carlo SequenzialeMonte Carlo Sequenziale con Errore di MisuraMonte Carlo Sequenziale con Dati MancantiCampionamento per FetteGibbs Sampling SpazialeMCMC spazialeMCMC per Serie StoricheFiltro particellare per serie temporaliMonte Carlo sequenziale per serie temporali