Hamiltonian Monte Carlo Hierárquico
O Hamiltonian Monte Carlo Hierárquico (Hierarchical HMC) aplica amostragem Hamiltonian Monte Carlo a modelos hierárquicos Bayesianos, abordando os severos desafios geométricos que esses modelos impõem. Ao combinar parametrizações não centradas com as propostas orientadas por gradiente do HMC, ele alcança exploração eficiente da posterior das geometrias em forma de funil de múltiplos níveis com as quais métodos MCMC padrão lutam.
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
- Betancourt, M. & Girolami, M. (2015). Hamiltonian Monte Carlo for hierarchical models. In S. K. Upadhyay, U. Singh, D. K. Dey & A. Loganathan (Eds.), Current Trends in Bayesian Methodology with Applications (pp. 79-101). CRC Press. link ↗
- 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 for Hierarchical Models. ScholarGate. https://scholargate.app/pt/bayesian/hierarchical-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
- Monte Carlo HamiltonianoBayesiano↔ comparar
- Inferência Bayesiana HierárquicaBayesiano↔ comparar
- Cadeia de Markov Monte Carlo HierárquicaBayesiano↔ comparar
- Cadeia de Markov Monte Carlo (MCMC)Bayesiano↔ comparar
Referenciado por
Similar methods
Encontrou um problema nesta página? Relate ou sugira uma correção →