ScholarGate
어시스턴트

MCMC 및 표본추출

48 개 방법이 이 계열에 있습니다.

추천

Reading path

This topic's most-referenced foundational methods, in the order they were developed — a place to start if you're new here.

  1. 깁스 샘플링(Gibbs Sampling)1984by Stuart Geman & Donald Geman
  2. 결측치가 있는 깁스 샘플링1987–1990by Tanner & Wong (data augmentation), Gelfand & Smith (Gibbs sampler)
  3. 결측치가 있는 MCMC1987by Tanner & Wong (data augmentation); extended by Gelfand & Smith, Rubin
  4. 계층적 마르코프 연쇄 몬테카를로1990by Gelfand & Smith (1990), building on Geman & Geman (1984)
  5. 파티클 필터 (순차 몬테카를로)1993by Gordon, Salmond & Smith
  6. 순차 몬테카를로 (Sequential Monte Carlo, SMC)1993 (particle filter); 2006 (SMC samplers)by Gordon, Salmond & Smith (particle filter); Del Moral, Doucet & Jasra (SMC samplers)
all methods on this shelf ↓

모든 방법 48

베이지안 DCC-GARCH (Bayesian DCC-GARCH)베이즈 가우시안 혼합 모델베이지안 계통 분석베이지안 프로빗 모형동적 해밀토니안 몬테카를로동적 Metropolis-Hastings 알고리즘동적 입자 필터동적 순차 몬테카를로깁스 샘플링(Gibbs Sampling)Gibbs 샘플링을 이용한 모형 비교측정 오차를 동반한 깁스 샘플링결측치가 있는 깁스 샘플링해밀토니안 몬테카를로Hamiltonian Monte Carlo with Measurement Error결측치가 있는 해밀토니안 몬테카를로계층적 해밀턴ian 몬테 카를로계층적 마르코프 연쇄 몬테카를로계층적 파티클 필터마르코프 연쇄 몬테카를로 (MCMC)MCMC를 이용한 모형 비교MCMC with Measurement Error결측치가 있는 MCMC메트로폴리스-헤이스팅스 알고리즘Metropolis-Hastings를 이용한 모형 비교Metropolis-Hastings with Measurement Error결측값이 있는 Metropolis-Hastings다층 깁스 샘플링다단계 해밀턴ian 몬테카를로다수준 MCMC (Multilevel MCMC)다층 메트로폴리스-헤이스팅스No-U-Turn Sampler (NUTS)파티클 필터 (순차 몬테카를로)측정 오차를 고려한 입자 필터결측치가 있는 입자 필터Robust Gibbs Sampling강건한 해밀토니안 몬테카를로강건한 마르코프 연쇄 몬테카를로강건 입자 필터로버스트 순차 몬테카를로순차 몬테카를로 (Sequential Monte Carlo, SMC)측정 오차를 동반한 순차 몬테카를로 (Sequential Monte Carlo with Measurement Error)결측 데이터가 있는 순차 몬테카를로슬라이스 샘플링공간 깁스 샘플링공간 MCMC시계열 MCMC시간 계열 입자 필터시계열 순차 몬테카를로

베이지안 통계의 다른 방법