Динамічний алгоритм Метрополіса-Гастінгса
Динамічний алгоритм Метрополіса-Гастінгса (Dynamic MH) застосовує MCMC-семплер Метрополіса-Гастінгса до байєсівських моделей зі змінними в часі параметрами та моделей зі змінними в часі параметрами. На кожному часовому кроці приховані стани або параметри, що еволюціонують, оновлюються за допомогою пропозицій та прийняття, що дає повні апостеріорні розподіли над траєкторіями, а не окремі відфільтровані оцінки.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Hastings, W. K. (1970). Monte Carlo sampling methods using Markov chains and their applications. Biometrika, 57(1), 97–109. DOI: 10.1093/biomet/57.1.97 ↗
- Carlin, B. P., Polson, N. G., & Stoffer, D. S. (1992). A Monte Carlo approach to nonnormal and nonlinear state-space modeling. Journal of the American Statistical Association, 87(418), 493–500. DOI: 10.1080/01621459.1992.10475231 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Dynamic Metropolis-Hastings Algorithm for Time-Varying Models. ScholarGate. https://scholargate.app/uk/bayesian/dynamic-metropolis-hastings-algorithm
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.
- Динамічний баєсівський висновокБаєсові методи↔ compare
- Гіббсівський відбір (Gibbs Sampling)Баєсові методи↔ compare
- Фільтр КалманаБаєсові методи↔ compare
- Алгоритм Метрополіса-ГастінгсаБаєсові методи↔ compare
- Фільтр частинок (послідовний Монте-Карло)Баєсові методи↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →