Aproximarea Laplace
Aproximarea Laplace este o tehnică analitică clasică ce înlocuiește o distribuție posterioară intratabilă cu o Gaussiană multivariată centrată în modul posterior, utilizând curbura log-posteriorului în acel punct pentru a stabili covarianța. Formalizată pentru statistica Bayesiană de către Tierney și Kadane (1986) în lucrarea lor de referință din Journal of the American Statistical Association, aceasta oferă o alternativă rapidă și deterministă la Markov chain Monte Carlo și formează nucleul matematic al aproximărilor Laplace integrate imbricate (INLA).
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Tierney, L. & Kadane, J. B. (1986). Accurate approximations for posterior moments and marginal densities. Journal of the American Statistical Association, 81(393), 82–86. DOI: 10.1080/01621459.1986.10478240 ↗
- MacKay, D. J. C. (2003). Information Theory, Inference, and Learning Algorithms. Cambridge University Press. ISBN: 978-0521642989
- Rue, H., Martino, S. & Chopin, N. (2009). Approximate Bayesian inference for latent Gaussian models by using integrated nested Laplace approximations. Journal of the Royal Statistical Society: Series B, 71(2), 319–392. DOI: 10.1111/j.1467-9868.2008.00700.x ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Laplace Approximation to the Posterior. ScholarGate. https://scholargate.app/ro/bayesian/laplace-approximation
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.
- Bayesian RegressionBayesian↔ compare
- Propagarea prin Așteptare (EP)Bayesian↔ compare
- Metoda Monte Carlo cu Lanțuri Markov (MCMC)Bayesian↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →