Markov Chain Monte Carlo (MCMC)
Markov Chain Monte Carlo (MCMC) is een familie van computationele algoritmen voor het trekken van steekproeven uit complexe kansverdelingen, meestal de posteriorverdelingen die voortkomen uit Bayesiaanse inferentie. In plaats van posteriorverdelingen analytisch te berekenen — wat zelden mogelijk is voor realistische modellen — construeert MCMC een Markovketen waarvan de stationaire verdeling de doel-posterior is en trekt daaruit afhankelijke steekproeven, wat volledige probabilistische inferentie mogelijk maakt voor vrijwel elk model.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 1). Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/nl/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.
- Bayesian Model AveragingBayesiaanse statistiek↔ compare
- Bayesian RegressieBayesiaanse statistiek↔ compare
- Variatie-inferentieBayesiaanse statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →