MCMC và lấy mẫu
48 phương pháp trong họ này.
Nổi bật
Bayesian DCC-GARCHBayesian DCC-GARCH estimates time-varying correlations across multiple financial or economic series by combining Engle's DCC-GARCH structure with Bayesian inference. Rather than maMô hình Hỗn hợp Gaussian BayesThe Bayesian Gaussian Mixture Model places prior distributions over all mixture parameters and infers their posteriors — typically via Variational Bayes or MCMC — rather than fittiPhân tích phát sinh loài BayesBayesian phylogenetic analysis uses Bayes' theorem and Markov chain Monte Carlo (MCMC) sampling to estimate the posterior probability distribution over phylogenetic trees and modelMô hình Probit BayesThe Bayesian Probit model is a binary regression method that models the probability of a binary outcome using the normal CDF (probit link) within a Bayesian framework. It assigns pHamiltonian Monte Carlo Động (Dynamic Hamiltonian Monte Carlo)Dynamic Hamiltonian Monte Carlo — widely known as the No-U-Turn Sampler (NUTS) — is an adaptive extension of Hamiltonian Monte Carlo that automatically selects the number of leapfrThuật toán Dynamic Metropolis-HastingsThe Dynamic Metropolis-Hastings (Dynamic MH) algorithm applies the Metropolis-Hastings MCMC sampler to Bayesian state-space and time-varying parameter models. At each time step, la
Lộ trình đọc
Những phương pháp nền tảng được tham chiếu nhiều nhất của chủ đề này, theo thứ tự chúng được phát triển — một nơi để bắt đầu nếu bạn còn mới ở đây.
Tất cả phương pháp 48
Bayesian DCC-GARCHMô hình Hỗn hợp Gaussian BayesPhân tích phát sinh loài BayesMô hình Probit BayesHamiltonian Monte Carlo Động (Dynamic Hamiltonian Monte Carlo)Thuật toán Dynamic Metropolis-HastingsBộ lọc hạt độngDynamic Sequential Monte CarloLấy mẫu GibbsLấy mẫu Gibbs để so sánh mô hìnhGibbs Sampling với Sai số Đo lườngGibbs Sampling với Dữ liệu ThiếuHamiltonian Monte CarloMô phỏng Monte Carlo Hamilton (HMC) với sai số đo lườngHamiltonian Monte Carlo với Dữ liệu ThiếuHamiltonian Monte Carlo phân cấpMarkov Chain Monte Carlo phân cấpBộ lọc hạt phân cấpChuỗi Markov Monte Carlo (MCMC)MCMC để So sánh Mô hìnhMCMC với Sai số Đo lườngMCMC với dữ liệu thiếuThuật toán Metropolis-HastingsSo sánh mô hình bằng Metropolis-HastingsMetropolis-Hastings với Sai số Đo lườngThuật toán Metropolis-Hastings với Dữ liệu KhuyếtMultilevel Gibbs SamplingHamiltonian Monte Carlo Đa cấpMultilevel MCMCMetropolis-Hastings đa cấpBộ lấy mẫu Không Quay Lại (NUTS)Bộ lọc hạt (Monte Carlo tuần tự)Bộ lọc hạt có sai số đo lườngBộ lọc hạt với dữ liệu thiếuRobust Gibbs SamplingHamiltonian Monte Carlo Mạnh mẽChuỗi Markov Monte Carlo Mạnh mẽBộ lọc hạt mạnh mẽMonte Carlo Tuần tự Mạnh mẽMonte Carlo Tuần tựMonte Carlo tuần tự với sai số đo lườngMonte Carlo tuần tự với dữ liệu thiếuLấy mẫu lát cắtLấy mẫu Gibbs không gianMCMC không gianMCMC Chuỗi Thời gianBộ lọc hạt chuỗi thời gianSequential Monte Carlo cho chuỗi thời gian