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.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- Roberts, G. O. & Rosenthal, J. S. (2004). General state space Markov chains and MCMC algorithms. Probability Surveys, 1, 20–71. DOI: 10.1214/154957804100000024 ↗
- 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.
- Сэмплирование по ГиббсуБайесовские методы↔ сравнить
- Гамильтонов Монте-КарлоБайесовские методы↔ сравнить
- Метод Монте-Карло по цепям Маркова (MCMC)Байесовские методы↔ сравнить
- Робастное байесовское оцениваниеБайесовские методы↔ сравнить
- Последовательный Монте-КарлоБайесовские методы↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →