ScholarGate
Ассистент
Bayesian methodsBayesian / computational

Робастная цепь Маркова Монте-Карло

Робастная MCMC объединяет выборку по цепи Маркова Монте-Карло с методами робастности для получения надежных апостериорных выводов, когда данные содержат выбросы, когда предполагаемая модель специфицирована неверно или когда целевое распределение имеет тяжелые хвосты, из-за чего стандартные сэмплеры плохо смешиваются или дают искаженные оценки.

Открыть в MethodMindСкороВидеоСкороСкачать слайды

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Карта метода

Окружение родственных методов — выберите узел, чтобы перейти к нему.

Источники

  1. Roberts, G. O. & Rosenthal, J. S. (2004). General state space Markov chains and MCMC algorithms. Probability Surveys, 1, 20–71. DOI: 10.1214/154957804100000024
  2. Barp, A., Kennedy, C., Durmus, A. & Girolami, M. (2022). Targeted separation and convergence with kernel discrepancies. arXiv preprint. link

Как цитировать эту страницу

ScholarGate. (2026, June 3). Robust Markov Chain Monte Carlo Sampling. ScholarGate. https://scholargate.app/ru/bayesian/robust-markov-chain-monte-carlo

Какой метод?

Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.

Сравнить рядом

Упоминается в

ScholarGateRobust Markov chain Monte Carlo (Robust Markov Chain Monte Carlo Sampling). Получено 2026-06-15 из https://scholargate.app/ru/bayesian/robust-markov-chain-monte-carlo · Набор данных: https://doi.org/10.5281/zenodo.20539026