Bayesian methodsBayesian / computational
ロバストMCMC（Robust Markov Chain Monte Carlo）
ロバストMCMCは、マルコフ連鎖モンテカルロサンプリングとロバストネス技術を組み合わせることで、データに外れ値が含まれる場合、仮定されたモデルが誤って特定されている場合、またはターゲット分布が裾の重い分布であり、標準的なサンプラーでは混合が不十分になったり歪んだ推定値が生じたりする場合に、信頼性の高い事後推論を生成します。
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。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- Roberts, G. O. & Rosenthal, J. S. (2004). General state space Markov chains and MCMC algorithms. Probability Surveys, 1, 20–71. DOI: 10.1214/154957804100000024 ↗
- Barp, A., Kennedy, C., Durmus, A. & Girolami, M. (2022). Targeted separation and convergence with kernel discrepancies. arXiv preprint. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Robust Markov Chain Monte Carlo Sampling. ScholarGate. https://scholargate.app/ja/bayesian/robust-markov-chain-monte-carlo
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- Gibbs Samplingベイズ↔ 比較
- ハミルトニアンモンテカルロベイズ↔ 比較
- マルコフ連鎖モンテカルロ法 (MCMC)ベイズ↔ 比較
- ロバストベイズ推論ベイズ↔ 比較
- 逐次モンテカルロ法ベイズ↔ 比較