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.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
Kilder
- 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
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.
- Bayesiansk modellgjennomsnittBayesiansk↔ compare
- Bayesiansk regresjonBayesiansk↔ compare
- VariasjonsinferensBayesiansk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →