MCMC și eșantionare
48 metode în această familie.
Recomandate
GARCH cu Corelație Condiționată Dinamică Bayesiană (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 maModel bayesian de amestec gaussianThe Bayesian Gaussian Mixture Model places prior distributions over all mixture parameters and infers their posteriors — typically via Variational Bayes or MCMC — rather than fittiAnaliză Filogenetică BayesianăBayesian phylogenetic analysis uses Bayes' theorem and Markov chain Monte Carlo (MCMC) sampling to estimate the posterior probability distribution over phylogenetic trees and modelBayesian Probit modelThe 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 pDynamic Hamiltonian Monte Carlo cu actualizare automată a traiectorieiDynamic 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 leapfrAlgoritmul Metropolis-Hastings DinamicThe 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.
Toate metodele 48
GARCH cu Corelație Condiționată Dinamică Bayesiană (Bayesian DCC-GARCH)Model bayesian de amestec gaussianAnaliză Filogenetică BayesianăBayesian Probit modelDynamic Hamiltonian Monte Carlo cu actualizare automată a traiectorieiAlgoritmul Metropolis-Hastings DinamicFiltru dinamic de particuleMonte Carlo Secvențial DinamicEșantionarea GibbsEșantionarea Gibbs pentru compararea modelelorEșantionare Gibbs cu eroare de măsurareEșantionarea Gibbs cu date lipsăHamiltonian Monte CarloHamiltonian Monte Carlo cu Eroare de MăsurareHamiltonian Monte Carlo cu date lipsăHamiltonian Monte Carlo IerarhicMarkov chain Monte Carlo ierarhicFiltru particulă ierarhicMetoda Monte Carlo cu Lanțuri Markov (MCMC)MCMC pentru compararea modelelorMCMC cu eroare de măsurareMCMC cu date lipsăAlgoritmul Metropolis-HastingsMetropolis-Hastings pentru Comparația de ModeleMetropolis-Hastings cu eroare de măsurareMetropolis-Hastings cu Date LipsăEșantionarea Gibbs multinivelHamiltonian Monte Carlo MultilevelMultilevel MCMCMetropolis-Hastings multinivelarNo-U-Turn Sampler (NUTS)Filtrul particulelor (Monte Carlo secvențial)Filtru de particule cu eroare de măsurareFiltru de particule cu date lipsăEșantionarea Gibbs robustăHamiltonian Monte Carlo RobustMarkov Chain Monte Carlo robustFiltru Robust de ParticuleSecvențial Monte Carlo RobustMonte Carlo SecvențialSecvențial Monte Carlo cu Eroare de MăsurareSecvențial Monte Carlo cu date lipsăEșantionare prin feliiGibbs Sampling SpațialMCMC spațialMCMC pentru serii de timpFiltru de particule pentru serii de timpSecvențial Monte Carlo pentru Serii de Timp