Markov Chain Monte Carlo Robusto
O MCMC Robusto combina amostragem Markov Chain Monte Carlo com técnicas de robustez para produzir inferência posterior confiável quando os dados contêm valores atípicos, quando o modelo assumido é mal especificado, ou quando a distribuição alvo tem caudas pesadas que fazem com que os amostradores padrão misturem mal ou produzam estimativas distorcidas.
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
- Roberts, G. O. & Rosenthal, J. S. (2004). General state space Markov chains and MCMC algorithms. Probability Surveys, 1, 20–71. DOI: 10.1214/154957804100000024 ↗
- Barp, A., Kennedy, C., Durmus, A. & Girolami, M. (2022). Targeted separation and convergence with kernel discrepancies. arXiv preprint. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Robust Markov Chain Monte Carlo Sampling. ScholarGate. https://scholargate.app/pt/bayesian/robust-markov-chain-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.
- Amostragem de GibbsBayesiano↔ comparar
- Monte Carlo HamiltonianoBayesiano↔ comparar
- Cadeia de Markov Monte Carlo (MCMC)Bayesiano↔ comparar
- Inferência Bayesiana RobustaBayesiano↔ comparar
- Monte Carlo SequencialBayesiano↔ comparar
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →