MCMC och urval
48 metoder i denna familj.
I urval
Bayesiansk dynamisk betingad kovarians (Bayesian DCC-GARCH)Bayesian DCC-GARCH estimates time-varying correlations across multiple financial or economic series by combining Engle's DCC-GARCH structure with Bayesian inference. Rather than maBayesiansk Gaussisk BlandningsmodellThe Bayesian Gaussian Mixture Model places prior distributions over all mixture parameters and infers their posteriors — typically via Variational Bayes or MCMC — rather than fittiBayesiansk fylogenetisk analysBayesian phylogenetic analysis uses Bayes' theorem and Markov chain Monte Carlo (MCMC) sampling to estimate the posterior probability distribution over phylogenetic trees and modelBayesiansk probitmodellThe Bayesian Probit model is a binary regression method that models the probability of a binary outcome using the normal CDF (probit link) within a Bayesian framework. It assigns pDynamisk Hamiltonsk Monte CarloDynamic Hamiltonian Monte Carlo — widely known as the No-U-Turn Sampler (NUTS) — is an adaptive extension of Hamiltonian Monte Carlo that automatically selects the number of leapfrDynamisk Metropolis-Hastings-algoritmThe Dynamic Metropolis-Hastings (Dynamic MH) algorithm applies the Metropolis-Hastings MCMC sampler to Bayesian state-space and time-varying parameter models. At each time step, la
Läsväg
Det här ämnets mest refererade grundläggande metoder, i den ordning de utvecklades — en bra startpunkt om du är ny här.
Alla metoder 48
Bayesiansk dynamisk betingad kovarians (Bayesian DCC-GARCH)Bayesiansk Gaussisk BlandningsmodellBayesiansk fylogenetisk analysBayesiansk probitmodellDynamisk Hamiltonsk Monte CarloDynamisk Metropolis-Hastings-algoritmDynamisk partikelfilterDynamisk Sekventiell Monte CarloGibbs samplingGibbs-sampling för modelljämförelseGibbs sampling med mätfelGibbs-sampling med saknade dataHamiltonian Monte CarloHamiltonian Monte Carlo med mätfelHamiltonian Monte Carlo med saknade dataHierarkisk Hamiltonsk Monte CarloHierarkisk MarkovkedjemontcarloHierarkisk partikelfilterMarkov Chain Monte Carlo (MCMC)MCMC för modelljämförelseMCMC med mätfelMCMC med saknade dataMetropolis-Hastings algoritmMetropolis-Hastings för modelljämförelseMetropolis-Hastings med mätfelMetropolis-Hastings med saknade dataMultilevel Gibbs SamplingMultilevel-Hamilton Monte CarloMultilevel MCMCMultilevel Metropolis-HastingsNo-U-Turn Sampler (NUTS)Partikelfilter (sekventiell Monte Carlo)Partikelfilter med mätfelPartikelfilter med saknade dataRobust Gibbs SamplingRobust Hamiltonian Monte CarloRobust Markov Chain Monte CarloRobust partikelfilterRobust Sekventiell Monte CarloSekventiell Monte CarloSekventiell Monte Carlo med mätfelSekventiell Monte Carlo med saknade dataSlice SamplingSpatial Gibbs SamplingSpatial MCMCTidsserie-MCMCPartikelfilter för tidsserierSekventiell Monte Carlo för tidsserier