ScholarGate
Assistente
Bayesian methods

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.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

The neighbourhood of related methods — select a node to explore.

+25 more

Fontes

  1. 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
  2. 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.

Compare side by side

Referenciado por

ScholarGateMCMC (Markov Chain Monte Carlo). Recuperado em 2026-06-15 de https://scholargate.app/pt/bayesian/mcmc · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026