Bayesian methods
마르코프 연쇄 몬테카를로 (MCMC)
마르코프 연쇄 몬테카를로 (MCMC)는 복잡한 확률 분포, 가장 흔하게는 베이즈 추론에서 발생하는 사후 분포로부터 표본을 추출하기 위한 계산 알고리즘 계열입니다. 현실적인 모델에서는 거의 불가능한 사후 분포를 해석적으로 계산하는 대신, MCMC는 목표 사후 분포를 정상 분포로 갖는 마르코프 연쇄를 구성하고 거기서 종속적인 표본을 추출하여 거의 모든 모델에 대해 완전한 확률적 추론을 가능하게 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 1). Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/ko/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 →이 방법을 참조하는 항목
자동 미분 변분 추론 (ADVI)베이즈 요인 검정베이즈 ANOVA베이지안 요인 분석베이지안 계층 모델측정 오차를 포함한 베이즈 추론베이즈 선형 회귀베이지안 로지스틱 회귀Bayesian Model Averaging측정 오차를 동반한 베이즈 모델 평균 (BMA-ME)베이즈 네트워크베이즈 비모수적 방법베이즈 회귀베이지안 구조 방정식 모형 (Bayesian Structural Equation Modeling, BSEM)베이지안 구조 시계열켤레 켤레 사전 분석디리클레 과정 혼합 모형경험적 베이즈기대 전파 (EP)깁스 샘플링(Gibbs Sampling)해밀토니안 몬테카를로계층적 베이즈 추론계층적 해밀턴ian 몬테 카를로계층적 변분 추론라플라스 근사MCMC를 이용한 모형 비교MCMC with Measurement Error다층 베이즈 추론No-U-Turn Sampler (NUTS)파티클 필터 (순차 몬테카를로)강건 베이지안 모형 평균화강건한 마르코프 연쇄 몬테카를로순차 몬테카를로 (Sequential Monte Carlo, SMC)슬라이스 샘플링변분 추론