Chuỗi Markov Monte Carlo (MCMC)
Chuỗi Markov Monte Carlo (MCMC) là một họ các thuật toán tính toán để lấy mẫu từ các phân phối xác suất phức tạp, phổ biến nhất là các phân phối hậu nghiệm phát sinh trong suy luận Bayes. Thay vì tính toán phân phối hậu nghiệm một cách giải tích — điều hiếm khi khả thi đối với các mô hình thực tế — MCMC xây dựng một chuỗi Markov có phân phối dừng là phân phối hậu nghiệm mục tiêu và rút các mẫu phụ thuộc từ đó, cho phép suy luận xác suất đầy đủ cho hầu hết mọi mô hình.
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.
+25 more
Nguồn tài liệu
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
- Brooks, S., Gelman, A., Jones, G. & Meng, X.-L. (Eds.). (2011). Handbook of Markov Chain Monte Carlo. CRC Press. ISBN: 978-1420079418
Cách trích dẫn trang này
ScholarGate. (2026, June 1). Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/vi/bayesian/mcmc
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.
Compare side by side →Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →