Bayesovská Monte Carlo simulácia — Stochastické vzorkovanie informované apriórnymi znalosťami na kvantifikáciu neurčitosti
Bayesovská Monte Carlo simulácia integruje bayesovské štatistické odvodzovanie s Monte Carlo vzorkovaním na šírenie neurčitosti cez komplexné modely. Namiesto čerpania vzoriek z ľubovoľných distribúcií podmieňuje vzorkovanie pozorovanými údajmi a expertnými apriórnymi znalosťami prostredníctvom Bayesovho teorému, čím sa získavajú apriórne odhady neurčitosti, ktoré sú štatisticky koherentné a interpretovateľné v pravdepodobnostných pojmoch.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- O'Hagan, A., Buck, C. E., Daneshkhah, A., Eiser, J. R., Garthwaite, P. H., Jenkinson, D. J., Oakley, J. E., & Rakow, T. (2006). Uncertain Judgements: Eliciting Experts' Probabilities. Wiley. ISBN: 9780470029992
- O'Hagan, A. (1987). Monte Carlo is fundamentally unsound. The Statistician, 36(2-3), 247-249. DOI: 10.2307/2348519 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Bayesian Monte Carlo Simulation — Prior-informed stochastic sampling for uncertainty quantification. ScholarGate. https://scholargate.app/sk/simulation/bayesian-monte-carlo-simulation
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.
- Bayesovská analýza citlivostiSimulácia↔ compare
- Bayesian System DynamicsSimulácia↔ compare
- Markov Chain Monte Carlo (MCMC)Simulácia↔ compare
- Simulácia Monte CarloRozhodovanie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →