Аппроксимация Лапласа
Аппроксимация Лапласа — это классический аналитический метод, который заменяет недопустимое апостериорное распределение многомерным гауссовым распределением, центрированным в моде апостериорного распределения, используя кривизну логарифма апостериорного распределения в этой точке для определения ковариации. Формализованная для байесовской статистики Tierney и Kadane (1986) в их знаковой статье в Journal of the American Statistical Association, она представляет собой быструю детерминированную альтернативу марковским цепям Монте-Карло и составляет математическое ядро интегрированных вложенных аппроксимаций Лапласа (INLA).
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Laplace Approximation to the Posterior. ScholarGate. https://scholargate.app/ru/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.
- Байесовская регрессияБайесовские методы↔ compare
- Распространение ожидания (EP)Байесовские методы↔ compare
- Метод Монте-Карло по цепям Маркова (MCMC)Байесовские методы↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →