Bayesian methods
マルコフ連鎖モンテカルロ法 (MCMC)
マルコフ連鎖モンテカルロ法 (MCMC) は、複雑な確率分布から標本を抽出するための計算アルゴリズム群であり、特にベイズ推論において生じる事後分布に対して最も一般的に用いられる。現実的なモデルでは解析的に事後分布を計算することは稀であるため、MCMCは目標とする事後分布を定常分布とするマルコフ連鎖を構築し、そこから依存した標本を抽出することで、事実上あらゆるモデルに対する完全な確率的推論を可能にする。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
出典
- 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
このページの引用方法
ScholarGate. (2026, June 1). Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/ja/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 →この手法を参照する項目
自動微分変分推論 (ADVI)ベイズ因子検定ベイジアンANOVAベイズ因子分析ベイズ階層モデル測定誤差を伴うベイズ推論ベイズ線形回帰ベイズロジスティック回帰ベイズモデル平均測定誤差を伴うベイズモデル平均ベイジアンネットワークベイズ非パラメトリック法ベイズ回帰ベイズ構造方程式モデリング（BSEM）ベイジアン構造時系列モデル共役事前分布解析ディリクレ過程混合モデル (Dirichlet Process Mixture Model, DPMM)経験ベイズ期待伝播法 (EP)Gibbs Samplingハミルトニアンモンテカルロ階層ベイズ推論階層的ハミルトニアン・モンテカルロ法階層的変分推論ラプラス近似モデル比較のためのMCMC測定誤差を伴うMCMC階層ベイズ推論No-U-Turn Sampler (NUTS)パーティクルフィルタ（逐次モンテカルロ法）ロバスト・ベイズ的モデル平均ロバストMCMC（Robust Markov Chain Monte Carlo）逐次モンテカルロ法スライスサンプリング変分推論