Markov Chain Monte Carlo (MCMC) — Metropolis-Hastings a Gibbsovo vzorkovanie
Markov Chain Monte Carlo (MCMC) je rodina simulačných algoritmov, ktoré konštruujú Markovov reťazec, ktorého stacionárna distribúcia je cieľová aposteriórna distribúcia, čo umožňuje bayesovskú inferenciu a výpočet vysokodimenzionálnych integrálov, ktoré by inak boli analyticky neriešiteľné. MCMC, ktorého priekopníkmi boli Metropolis a kolektív v roku 1953 a rozšírený Hastingsom v roku 1970, tvorí základ modernej bayesovskej štatistiky. Dve najrozšírenejšie varianty sú Metropolis-Hastings, ktorá navrhuje kroky z všeobecnej návrhovej distribúcie, a Gibbsovo vzorkovanie, ktoré postupne vyberá každý parameter zo svojej úplnej podmienené distribúcie.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Mapa metód
Okolie príbuzných metód — vyberte uzol na preskúmanie.
+8 ďalších
Zdroje
- Gelman, A., Carlin, J.B., Stern, H.S., Dunson, D.B., Vehtari, A. & Rubin, D.B. (2013). Bayesian Data Analysis (3rd ed.). Chapman & Hall/CRC. DOI: 10.1201/b16018 ↗
- Brooks, S., Gelman, A., Jones, G.L. & Meng, X.-L. (Eds.) (2011). Handbook of Markov Chain Monte Carlo. Chapman & Hall/CRC. DOI: 10.1201/b10905 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). Markov Chain Monte Carlo (MCMC — Metropolis-Hastings, Gibbs Sampling). ScholarGate. https://scholargate.app/sk/simulation/markov-chain-monte-carlo
Ktorá metóda?
Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.
- Aproximačná Bayesovská výpočtová technikaSimulácia↔ porovnať
- Bayesovská regresiaBayesovské metódy↔ porovnať
- Bootstrap SimulationSimulácia↔ porovnať
- Latinské hyperkockové vzorkovanieSimulácia↔ porovnať
- Simulácia Monte CarloRozhodovanie↔ porovnať
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →