Bayesian methods
马尔可夫链蒙特卡洛 (MCMC)
马尔可夫链蒙特卡洛 (MCMC) 是一类计算算法，用于从复杂的概率分布中采样，最常见的是贝叶斯推断中出现的后验分布。MCMC 不直接计算后验分布（这对于实际模型来说很少可能），而是构建一个马尔可夫链，使其平稳分布为目标后验分布，并从中抽取相关的样本，从而能够对几乎任何模型进行完全的概率推断。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
来源
- 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
如何引用本页
ScholarGate. (2026, June 1). Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/zh/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 →被引用于
自动微分变分推断 (ADVI)贝叶斯因子检验贝叶斯方差分析 (Bayesian ANOVA)贝叶斯因子分析贝叶斯分层模型带有测量误差的贝叶斯推断贝叶斯线性回归贝叶斯逻辑回归贝叶斯模型平均 (Bayesian Model Averaging, BMA)含测量误差的贝叶斯模型平均贝叶斯网络贝叶斯非参数方法Bayesian Regression贝叶斯结构方程模型 (BSEM)贝叶斯结构时间序列共轭先验分析Dirichlet Process Mixture Model经验贝叶斯期望传播 (EP)Gibbs SamplingHamiltonian Monte Carlo分层贝叶斯推断分层哈密顿蒙特卡洛分层变分推断拉普拉斯近似用于模型比较的MCMC含测量误差的MCMC多层贝叶斯推断无掉头采样器 (NUTS)粒子滤波器（序贯蒙特卡洛）稳健贝叶斯模型平均稳健马尔可夫链蒙特卡洛 (Robust Markov Chain Monte Carlo)顺序蒙特卡洛切片采样变分推断