ScholarGate
Msaidizi
Process / pipeline

Uchanganuzi wa Mfumo wa Markov wa Monte Carlo (MCMC) — Metropolis-Hastings na Mfumo wa Gibbs

Uchanganuzi wa Mfumo wa Markov wa Monte Carlo (MCMC) ni familia ya algoriti za simulizi ambazo huunda mnyororo wa Markov ambao usambazaji wake tuli ni wa nyuma unaolengwa, kuwezesha uthibitisho wa Bayesian na hesabu ya kiwango cha juu cha vipimo ambavyo vinginevyo vingekuwa vigumu kuchanganua. Ulianzishwa na Metropolis na wenzake mwaka 1953 na kupanuliwa na Hastings mwaka 1970, MCMC huunda msingi wa takwimu za kisasa za Bayesian. Aina mbili zinazotumiwa sana ni Metropolis-Hastings, ambayo inapendekeza hatua kutoka usambazaji wa pendekezo wa jumla, na mfumo wa Gibbs, ambao huchota kila kigezo kwa zamu kutoka usambazaji wake kamili wa masharti.

Fungua katika MethodMindHivi karibuniVideoHivi karibuniPakua slaidi

Soma mbinu kamili

Kwa wanachama pekee

Ingia kwa akaunti ya bure ili kusoma sehemu hii.

Ingia

Ramani ya mbinu

Jirani ya mbinu zinazohusiana — chagua nodi ili kuchunguza.

+8 zaidi

Vyanzo

  1. 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
  2. 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

Jinsi ya kunukuu ukurasa huu

ScholarGate. (2026, June 1). Markov Chain Monte Carlo (MCMC — Metropolis-Hastings, Gibbs Sampling). ScholarGate. https://scholargate.app/sw/simulation/markov-chain-monte-carlo

Mbinu ipi?

Weka mbinu hii kando ya jamaa zake wa karibu na uzisome bega kwa bega — maktaba huweka vitabu mezani; uamuzi ni wako.

Linganisha bega kwa bega

Imerejelewa na

ScholarGateMarkov Chain Monte Carlo (Markov Chain Monte Carlo (MCMC — Metropolis-Hastings, Gibbs Sampling)). Imepatikana 2026-06-15 kutoka https://scholargate.app/sw/simulation/markov-chain-monte-carlo · Seti ya data: https://doi.org/10.5281/zenodo.20539026