Апроксимація Лапласа
Апроксимація Лапласа — це класичний аналітичний метод, який замінює нерозв'язний апостеріорний розподіл багатовимірним нормальним розподілом, центрованим у моді апостеріорного розподілу, використовуючи кривину логарифма апостеріорного розподілу в цій моді для визначення коваріації. Формалізована для байєсівської статистики Tierney та Kadane (1986) у їхній знаковій статті в Journal of the American Statistical Association, вона надає швидку, детерміновану альтернативу Марковським ланцюгам Монте-Карло (MCMC) і становить математичне ядро інтегрованих вкладених апроксимацій Лапласа (INLA).
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
- Tierney, L. & Kadane, J. B. (1986). Accurate approximations for posterior moments and marginal densities. Journal of the American Statistical Association, 81(393), 82–86. DOI: 10.1080/01621459.1986.10478240 ↗
- MacKay, D. J. C. (2003). Information Theory, Inference, and Learning Algorithms. Cambridge University Press. ISBN: 978-0521642989
- Rue, H., Martino, S. & Chopin, N. (2009). Approximate Bayesian inference for latent Gaussian models by using integrated nested Laplace approximations. Journal of the Royal Statistical Society: Series B, 71(2), 319–392. DOI: 10.1111/j.1467-9868.2008.00700.x ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Laplace Approximation to the Posterior. ScholarGate. https://scholargate.app/uk/bayesian/laplace-approximation
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.
- Байєсівська регресіяБаєсові методи↔ compare
- Очікувальне розповсюдження (EP)Баєсові методи↔ compare
- Метод Монте-Карло на основі ланцюгів Маркова (MCMC)Баєсові методи↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →