一篇非常棒的MCMC文章

最新推荐文章于 2025-06-06 09:23:47 发布
转载 最新推荐文章于 2025-06-06 09:23:47 发布 · 767 阅读 · 10

MCMC系列之一（MCMC的引入）
scott198512的博客
04-05 243
MCMC系列之马尔科夫链的介绍
MCMC中的Metropolis–Hastings算法与吉布斯采样
热门推荐
白马负金羁
01-06 3万+
Metropolis–Hastings算法是一种具体的MCMC方法，而吉布斯采样（Gibbs Sampling）是Metropolis–Hastings算法的一种特殊形式。二者在机器学习中具有重要作用，Bishop在他的机器学习经典之作PRML中也专门用了一章的篇幅来介绍随机采样方法。本文将结合R语言实例来探讨这两种算法的相关话题
论文阅读：神经 MCMC 的深度内卷生成模型 Deep Involutive Generative Models for Neural MCMC
ygf666的博客
01-01 1433
文章总结：本文提出了使用一种生成式的模型作为MCMC算法中的建议方式，并通过GAN进行优化。
MCMC/论文-2021年11月30日
weixin_51879748的博客
11-30 751
蒙特卡罗方法 是一种随机抽样方法，是利用随机数去解决计算的问题，通过实验去求解一些概率或者期望的问题。 第一步：生成随机数 计算机只能产生均匀分布的伪随机数，我们通常希望得到其他分布的随机数，就要想办法把均匀分布的数映射到服从一定分布的数。 如何映射？ 马尔可夫链 能实现状态之间的转移，下一个状态只与当前的状态有关，与之前的状态没有关系。 基于马尔可夫链不同的初始值，当最后链平稳时，收敛的结果都是相同的。 Metropolis算法 通常细致平稳性不易满足 构造接受概率表达式，构造出满足细致平稳性的马尔可夫链
MCMC方法与MATLAB实现教程
最新发布
weixin_42360846的博客
06-06 1001
马尔可夫链蒙特卡洛（MCMC）方法是统计学和计算机科学领域中的一种强大技术，用于估计复杂概率分布的期望值。它通过构造一个马尔可夫链，使得其平稳分布与目标分布相匹配，从而生成近似目标分布的样本。这一方法特别适用于高维积分和后验分布的计算，解决了许多传统方法难以应对的问题。MATLAB作为一款广泛使用的数学计算和仿真平台，它在MCMC算法中扮演了重要的角色。
基于MCMC的交通量逆建模（Matlab代码实现）
weixin_66436111的博客
12-04 692
马尔科夫链蒙特卡洛方法(Markov Chain Monte Carlo)，简称MCMC，产生于20世纪50年代早期，是在贝叶斯理论框架下，通过计算机进行模拟的蒙特卡洛方法(Monte Carlo)。该方法将马尔科夫(Markov)过程引入到Monte Carlo模拟中，实现抽样分布随模拟的进行而改变的动态模拟，弥补了传统的蒙特卡罗积分只能静态模拟的缺陷。MCMC是一种简单有效的计算方法，在很多领域得到广泛的应用，如统计物、贝叶斯(Bayes)问题、计算机问题等。​ %this code simula
MCMC
chenshulong的博客
12-26 1万+
背景给定一个的概率分布 p(x)p(x), 我们希望产生服从该分布的样本。前面介绍过一些随机采样算法（如拒绝采样、重要性采样）可以产生服从特定分布的样本，但是这些采样算法存在一些缺陷（如难以选取合适的建议分布，只适合一元随机变量等）。下面将介绍一种更有效的随机变量采样方法：MCMC 和 Gibbs采样，这两种采样方法不仅效率更高，而且适用于多元随机变量的采样。如果一定条件下，马尔可夫链可以收敛到平稳
MCMC总结
weixin_30567471的博客
05-28 230
个人的看法 和 RS sampler 的比较 来自文献的资料 转载于:https://www.cnblogs.com/domath/p/10939699.html
这篇文章详细介绍了切片采样（Slice Sampling）作为一种自适应马尔可夫链蒙特卡洛（MCMC）采样方法的原理、实现及其多种变体，并通过大量代码示例和实验验证其有效性 （含详细可运行代码及解释）
06-05
内容概要：本文深入探讨了切片采样(Slice Sampling)作为一种高效的自适应马尔可夫链蒙特卡洛(MCMC)方法，其核心思想是从密度函数曲线下的区域均匀采样，交替进行垂直方向和水平“切片”的均匀采样。文章详细介绍了单...
Bayes统计学与MCMC方法——Metropolis-Hastings（M-H）算法的Matlab程序实现.pdf
06-27
他们将这种方法应用于土木工程结构性能退化与剩余寿命评估，并决定撰写本篇关于MCMC方法的文章。MCMC方法虽然具有强大的统计推断能力，但由于计算复杂性和程序设计上的差异，其效果也会有所不同。 挑战与改进： ...
有关粒子滤波算法及发展的一篇文章
07-05
5. **Metropolis-Hastings 基础粒子滤波**（MH-Based Particle Filter, MHPF）：结合了马尔科夫链蒙特卡洛方法（MCMC）的思想，改进了粒子的选择机制。 6. **免重采样粒子滤波**（Resample-Free Particle Filter, RF...
mcmcstat：Matlab的MCMC工具箱
02-04
mcmcstat：Matlab的MCMC工具箱
MCMC算法深入理解
weixin_30296405的博客
10-04 678
MCMC(Markov Chain Monte Carlo)，即马尔科夫链蒙特卡洛方法，是以马尔科夫平稳状态作为理论基础，蒙特卡洛方法作为手段的概率序列生成技术。 MCMC理论基础 如果转移矩阵为P的马尔科夫链平稳状态和我们研究的概率质量函数（概率密度函数）分布一致，那么我么从任意初始值开始，经过一定次数的概率转以后，后续的转移值组成的序列必然服从马尔科夫平稳状态分布，也就是服从我们研究...
MCMC(Markov Chain Monte Carlo) 方法学习笔记
u010490755的博客
11-06 1295
Gibbs采样 用途 什么是sampling? sampling就是以一定的概率分布，看发生什么事件。举一个例子。甲只能E：吃饭、学习、打球，时间T：上午、下午、晚上，天气W：晴朗、刮风、下雨。现在要一个sample，这个sample可以是：打球+下午+晴朗。 吉布斯采样的通俗解释？ 问题是我们不知道p(E,T,W)，或者说，不知道三件事的联合分布joint distribution。当然，如...
matlab用马尔可夫链蒙特卡罗 (MCMC) 的Logistic逻辑回归模型分析汽车实验数据
拓端研究室TRL
11-11 764
原文链接：http://tecdat.cn/?p=24103 此示例说明如何使用逻辑回归模型进行贝叶斯推断（点击文末“阅读原文”获取完整代码数据）。统计推断通常基于最大似然估计 (MLE)。MLE 选择能够使数据似然最大化的参数，是一种较为自然的方法。在 MLE 中，假定参数是未知但固定的数值，并在一定的置信度下进行计算。在贝叶斯统计中，使用概率来量化未知参数的不确定性，因而未知参数被视为随...
GM-MCMC高斯混合马尔科夫-蒙特卡洛算法（Matlab实现）
qq_39605374的博客
07-29 1125
而线性地震反演则是其中比较基础的一种反演方法，它将地下介质模型简化为一些基本参数，如层界面深度、速度等，并利用地震波在地下介质中传播的规律，通过最小二乘优化等方法来反演这些参数。而GM-MCMC算法就是利用这些波形数据和一些模型先验知识（如地层分布、速度结构等），通过马尔科夫链的转移来得到参数的概率分布，从而优化反演结果。因此，在实际应用中，我们需要根据具体问题来选择适合的反演方法。最后，需要注意的是，GM-MCMC算法是一种高级的反演方法，在使用时需要对其原理和实现细节有清晰的认识才能使用得当。
MCMC：Gibbs 采样（matlab 实现）
04-03 1万+
MCMC: The Gibbs Sampler 多元高斯分布的边缘概率和条件概率 Marginal and conditional distributions of multivariate normal
Matlab马尔可夫链蒙特卡罗法（MCMC）估计随机波动率（SV，Stochastic Volatility） 模型
拓端研究室TRL
01-25 980
最近我们被客户要求撰写关于随机波动率的研究报告，包括一些图形和统计输出。随机波动率SV模型原理和Python对标普SP500股票指数时间序列波动性预测马尔可夫链原理可视化解释与R语言区制转换Markov regime switching实例，时长07:25马尔可夫链蒙特卡罗方法MCMC原理与R语言实现，时长08:47波动率是一个重要的概念，在金融和交易中有许多应用。这是期权定价的基础。波动率还使您可以确定资产分配并计算投资组合的风险价值（VaR）。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值