Bayesian methodsBayesian / computational

稳健马尔可夫链蒙特卡洛 (Robust Markov Chain Monte Carlo)

稳健 MCMC 将马尔可夫链蒙特卡洛采样与稳健性技术相结合，可在数据包含异常值、假设模型设定错误或目标分布具有重尾导致标准采样器混合缓慢或估计失真时，生成可靠的后验推断。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

稳健马尔可夫链蒙特卡洛 (Robust Markov Chain Monte Carlo)

Gibbs Sampling Hamiltonian Monte Carlo 马尔可夫链蒙特卡洛 (MCMC)稳健贝叶斯推断顺序蒙特卡洛鲁棒吉布斯采样鲁棒变分推断

来源

Roberts, G. O. & Rosenthal, J. S. (2004). General state space Markov chains and MCMC algorithms. Probability Surveys, 1, 20–71. DOI: 10.1214/154957804100000024 ↗
Barp, A., Kennedy, C., Durmus, A. & Girolami, M. (2022). Targeted separation and convergence with kernel discrepancies. arXiv preprint. link ↗

如何引用本页

ScholarGate. (2026, June 3). Robust Markov Chain Monte Carlo Sampling. ScholarGate. https://scholargate.app/zh/bayesian/robust-markov-chain-monte-carlo

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

被引用于

鲁棒吉布斯采样鲁棒变分推断

发现本页有问题？报告或提出修改建议 →