Monte Carlo Hamiltoniano
O Monte Carlo Hamiltoniano (HMC) é um algoritmo de Monte Carlo de cadeia de Markov baseado em gradiente que utiliza a geometria da superfície log-posterior para realizar saltos grandes e informados através do espaço de parâmetros, em vez dos pequenos passos aleatórios do MCMC clássico. Originalmente introduzido para a teoria de campo em rede por Duane, Kennedy, Pendleton e Roweth (1987) sob o nome de Monte Carlo Híbrido, e trazido para a estatística convencional pelo capítulo autoritário de Radford Neal de 2011, o HMC é hoje o amostrador padrão em Stan e PyMC e é amplamente considerado o motor de ponta para inferência bayesiana posterior em modelos de alta dimensão.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
+15 mais
Fontes
- Duane, S., Kennedy, A. D., Pendleton, B. J., & Roweth, D. (1987). Hybrid Monte Carlo. Physics Letters B, 195(2), 216–222. DOI: 10.1016/0370-2693(87)91197-X ↗
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. L. Jones, & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 116–162). Chapman and Hall/CRC. ISBN: 978-1420079418 ↗
- 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
Como citar esta página
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo Sampling. ScholarGate. https://scholargate.app/pt/bayesian/hamiltonian-monte-carlo
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Regressão BayesianaBayesiano↔ comparar
- Cadeia de Markov Monte Carlo (MCMC)Bayesiano↔ comparar
- Inferência VariacionalBayesiano↔ comparar
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →