ScholarGate
Assistent
Bayesian methods

Markov Chain Monte Carlo (MCMC)

Markov Chain Monte Carlo (MCMC) er en familie av beregningsalgoritmer for å trekke utvalg fra komplekse sannsynlighetsfordelinger, oftest de posteriore fordelingene som oppstår i Bayesiansk inferens. I stedet for å beregne posteriore fordelinger analytisk – noe som sjelden er mulig for realistiske modeller – konstruerer MCMC en Markovkjede hvis stasjonære fordeling er den tiltenkte posteriore fordelingen, og trekker avhengige utvalg fra den, noe som muliggjør full sannsynlighetsinferens for praktisk talt enhver modell.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

The neighbourhood of related methods — select a node to explore.

+25 more

Kilder

  1. 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
  2. Brooks, S., Gelman, A., Jones, G. & Meng, X.-L. (Eds.). (2011). Handbook of Markov Chain Monte Carlo. CRC Press. ISBN: 978-1420079418

Slik siterer du denne siden

ScholarGate. (2026, June 1). Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/no/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

Referert av

ScholarGateMCMC (Markov Chain Monte Carlo). Hentet 2026-06-15 fra https://scholargate.app/no/bayesian/mcmc · Datasett: https://doi.org/10.5281/zenodo.20539026