MCMC e amostragem
48 métodos nesta família.
Em destaque
GARCH Bayesiano de Correlação Condicional Dinâmica (Bayesian DCC-GARCH)Bayesian DCC-GARCH estimates time-varying correlations across multiple financial or economic series by combining Engle's DCC-GARCH structure with Bayesian inference. Rather than maModelo de Mistura Gaussiana BayesianaThe Bayesian Gaussian Mixture Model places prior distributions over all mixture parameters and infers their posteriors — typically via Variational Bayes or MCMC — rather than fittiAnálise Filogenética BayesianaBayesian phylogenetic analysis uses Bayes' theorem and Markov chain Monte Carlo (MCMC) sampling to estimate the posterior probability distribution over phylogenetic trees and modelModelo Probit BayesianoThe Bayesian Probit model is a binary regression method that models the probability of a binary outcome using the normal CDF (probit link) within a Bayesian framework. It assigns pHamiltonian Monte Carlo DinâmicoDynamic Hamiltonian Monte Carlo — widely known as the No-U-Turn Sampler (NUTS) — is an adaptive extension of Hamiltonian Monte Carlo that automatically selects the number of leapfrDynamic Metropolis-Hastings AlgorithmThe Dynamic Metropolis-Hastings (Dynamic MH) algorithm applies the Metropolis-Hastings MCMC sampler to Bayesian state-space and time-varying parameter models. At each time step, la
Reading path
This topic's most-referenced foundational methods, in the order they were developed — a place to start if you're new here.
Todos os métodos 48
GARCH Bayesiano de Correlação Condicional Dinâmica (Bayesian DCC-GARCH)Modelo de Mistura Gaussiana BayesianaAnálise Filogenética BayesianaModelo Probit BayesianoHamiltonian Monte Carlo DinâmicoDynamic Metropolis-Hastings AlgorithmFiltro de Partículas DinâmicoMonte Carlo Sequencial DinâmicoAmostragem de GibbsAmostragem de Gibbs para Comparação de ModelosAmostragem de Gibbs com Erro de MediçãoAmostragem de Gibbs com Dados AusentesMonte Carlo HamiltonianoHamiltonian Monte Carlo com Erro de MediçãoHamiltonian Monte Carlo com Dados AusentesHamiltonian Monte Carlo HierárquicoCadeia de Markov Monte Carlo HierárquicaFiltro de Partículas HierárquicoCadeia de Markov Monte Carlo (MCMC)MCMC para Comparação de ModelosMCMC com Erro de MedidaMCMC com Dados AusentesAlgoritmo de Metropolis-HastingsMetropolis-Hastings para Comparação de ModelosMetropolis-Hastings com Erro de MediçãoMetropolis-Hastings com Dados AusentesAmostragem de Gibbs MultinívelHamiltoniano de Monte Carlo MultinívelMultilevel MCMCMetropolis-Hastings MultinívelAmostrador Sem Volta em U (NUTS)Filtro de Partículas (Monte Carlo Sequencial)Filtro de Partículas com Erro de MediçãoFiltro de Partículas com Dados AusentesRobust Gibbs SamplingHamiltonian Monte Carlo RobustoMarkov Chain Monte Carlo RobustoFiltro de Partículas RobustoMonte Carlo Sequencial RobustoMonte Carlo SequencialMonte Carlo Sequencial com Erro de MediçãoMonte Carlo Sequencial com Dados AusentesSlice SamplingAmostragem de Gibbs EspacialMCMC EspacialMCMC para Séries TemporaisFiltro de Partículas para Séries TemporaisMonte Carlo Sequencial para Séries Temporais