Thuật toán Dynamic Metropolis-Hastings
Thuật toán Dynamic Metropolis-Hastings (Dynamic MH) áp dụng bộ lấy mẫu Metropolis-Hastings MCMC cho các mô hình tham số trạng thái-không gian động lực học và thay đổi theo thời gian. Tại mỗi bước thời gian, các trạng thái tiềm ẩn hoặc tham số đang tiến hóa được cập nhật thông qua các bước đề xuất và chấp nhận, tạo ra các phân phối hậu nghiệm đầy đủ trên quỹ đạo thay vì các ước lượng lọc đơn lẻ.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Dynamic Metropolis-Hastings Algorithm for Time-Varying Models. ScholarGate. https://scholargate.app/vi/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.
- Suy luận Bayes độngBayes↔ compare
- Lấy mẫu GibbsBayes↔ compare
- Bộ lọc KalmanBayes↔ compare
- Thuật toán Metropolis-HastingsBayes↔ compare
- Bộ lọc hạt (Monte Carlo tuần tự)Bayes↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →