Hamiltonian Monte Carlo com Erro de Medição
Hamiltonian Monte Carlo (HMC) com erro de medição é uma estratégia computacional Bayesiana para ajustar modelos nos quais uma ou mais covariáveis são observadas com ruído. O HMC amostra conjuntamente a posteriori sobre os parâmetros do modelo e os verdadeiros valores não observados da covariável, usando propostas baseadas em gradientes que exploram a posteriori de alta dimensão de forma eficiente e evitam o comportamento lento de caminhada aleatória da amostragem Metropolis padrão.
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.
Fontes
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman and Hall/CRC. ISBN: 978-1584886334
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. Jones, & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 113-162). CRC Press. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo for Bayesian Measurement Error Models. ScholarGate. https://scholargate.app/pt/bayesian/hamiltonian-monte-carlo-with-measurement-error
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.
- Inferência Bayesiana com Erro de MediçãoBayesiano↔ comparar
- Amostragem de Gibbs com Erro de MediçãoBayesiano↔ comparar
- Monte Carlo HamiltonianoBayesiano↔ comparar
- Filtro de Kalman com Erro de MediçãoBayesiano↔ comparar
- MCMC com Erro de MedidaBayesiano↔ comparar
- Inferência Variacional com Erro de MediçãoBayesiano↔ comparar
Referenciado por
Similar methods
Encontrou um problema nesta página? Relate ou sugira uma correção →