Aproksymacja Laplace'a
Aproksymacja Laplace'a jest klasyczną analityczną techniką, która zastępuje niemożliwy do dokładnego obliczenia rozkład posterior z wielowymiarowym rozkładem Gaussa wyśrodkowanym w modzie posterior. Krzywizna log-posterior w tym modzie jest wykorzystywana do ustalenia kowariancji. Sformalizowana dla statystyki bayesowskiej przez Tierneya i Kadane'a (1986) w ich przełomowym artykule w Journal of the American Statistical Association, stanowi szybką, deterministyczną alternatywę dla łańcuchów Markowa Monte Carlo (MCMC) i stanowi matematyczne jądro zintegrowanych zagnieżdżonych aproksymacji Laplace'a (INLA).
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Tierney, L. & Kadane, J. B. (1986). Accurate approximations for posterior moments and marginal densities. Journal of the American Statistical Association, 81(393), 82–86. DOI: 10.1080/01621459.1986.10478240 ↗
- MacKay, D. J. C. (2003). Information Theory, Inference, and Learning Algorithms. Cambridge University Press. ISBN: 978-0521642989
- Rue, H., Martino, S. & Chopin, N. (2009). Approximate Bayesian inference for latent Gaussian models by using integrated nested Laplace approximations. Journal of the Royal Statistical Society: Series B, 71(2), 319–392. DOI: 10.1111/j.1467-9868.2008.00700.x ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Laplace Approximation to the Posterior. ScholarGate. https://scholargate.app/pl/bayesian/laplace-approximation
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.
- Regresja bayesowskaStatystyka bayesowska↔ compare
- Propagacja oczekiwań (EP)Statystyka bayesowska↔ compare
- Łańcuchy Markowa i symulacje Monte Carlo (MCMC)Statystyka bayesowska↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →