Cadeia de Markov Monte Carlo (MCMC)
Cadeia de Markov Monte Carlo (MCMC) é uma família de algoritmos computacionais para amostragem de distribuições de probabilidade complexas, mais comumente as distribuições posteriores que surgem na inferência Bayesiana. Em vez de calcular posteriores analiticamente — o que raramente é possível para modelos realistas — MCMC constrói uma cadeia de Markov cuja distribuição estacionária é a posterior alvo e extrai amostras dependentes dela, permitindo inferência probabilística completa para virtualmente qualquer modelo.
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.
+25 more
Fontes
- 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
- Brooks, S., Gelman, A., Jones, G. & Meng, X.-L. (Eds.). (2011). Handbook of Markov Chain Monte Carlo. CRC Press. ISBN: 978-1420079418
Como citar esta página
ScholarGate. (2026, June 1). Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/pt/bayesian/mcmc
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.
- Média Bayesiana de ModelosBayesiano↔ compare
- Regressão BayesianaBayesiano↔ compare
- Inferência VariacionalBayesiano↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →