Markov Chain Monte Carlo (MCMC) Robust
Robust MCMC menggabungkan pensampelan Markov chain Monte Carlo dengan teknik ketahanan (robustness) untuk menghasilkan inferens posterior yang andal apabila data mengandungi pencilan (outlier), apabila model yang diandaikan salah spesifikasi, atau apabila taburan sasaran mempunyai ekor yang berat yang menyebabkan pensampel standard bercampur dengan lemah atau menghasilkan anggaran yang terdistorsi.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Robust Markov Chain Monte Carlo Sampling. ScholarGate. https://scholargate.app/ms/bayesian/robust-markov-chain-monte-carlo
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Sampel GibbsBayesian↔ banding
- Hamiltonian Monte CarloBayesian↔ banding
- Markov Chain Monte Carlo (MCMC)Bayesian↔ banding
- Inferens Bayesian TeguhBayesian↔ banding
- Monte Carlo SekuensialBayesian↔ banding
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →