Hamiltonian Monte Carlo com Dados Ausentes
Hamiltonian Monte Carlo com dados ausentes estende o sampler HMC baseado em gradiente para lidar com observações incompletas, tratando valores ausentes como parâmetros desconhecidos adicionais. A posterior sobre os parâmetros do modelo e os valores ausentes é amostrada conjuntamente em uma única passagem eficiente, explorando informações de gradiente para explorar o espaço conjunto de alta dimensionalidade com muito menos propostas rejeitadas do que MCMC de passeio aleatório.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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. 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. Chapter 18: Missing-data imputation. ISBN: 978-1439840955
Como citar esta página
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo with Missing Data Imputation. ScholarGate. https://scholargate.app/pt/bayesian/hamiltonian-monte-carlo-with-missing-data
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.
- Inferência Bayesiana com Dados AusentesBayesiano↔ compare
- Amostragem de Gibbs com Dados AusentesBayesiano↔ compare
- Monte Carlo HamiltonianoBayesiano↔ compare
- MCMC com Dados AusentesBayesiano↔ compare
- Imputação MúltiplaEstatística↔ compare
- Inferência Variacional com Dados AusentesBayesiano↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →