Markov Chain Monte Carlo (MCMC)
Markov Chain Monte Carlo (MCMC) je porodica algoritama za računanje uzoraka iz složenih distribucija verovatnoće, najčešće posteriornih distribucija koje nastaju u Bejzijanskom zaključivanju. Umesto analitičkog izračunavanja posteriora — što je retko moguće za realistične modele — MCMC konstruiše Markovljev lanac čija je stacionarna distribucija ciljni posterior i izvlači zavisne uzorke iz njega, omogućavajući potpuno probabilističko zaključivanje za gotovo svaki model.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
Izvori
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
- Brooks, S., Gelman, A., Jones, G. & Meng, X.-L. (Eds.). (2011). Handbook of Markov Chain Monte Carlo. CRC Press. ISBN: 978-1420079418
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/sr/bayesian/mcmc
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.
- Bayesian Model AveragingBajesovska statistika↔ compare
- Bejzijevska regresijaBajesovska statistika↔ compare
- Variational InferenceBajesovska statistika↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →