Υπολογιστικές μέθοδοι στη μπεϋζιανή στατιστική

 
Το τεκμήριο παρέχεται από τον φορέα :
Πανεπιστήμιο Πειραιώς
Αποθετήριο :
Διώνη
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο




2005 (EL)
Υπολογιστικές μέθοδοι στη μπεϋζιανή στατιστική

Λουκάς, Λουκάς Ε.

Το ανά χείρας αφιερώνεται στην παρουσίαση των ευρέως διαδεδομένων μεθόδων στοχαστικής προσομοίωσης που είναι γνωστές με την ονομασία Markov Chain Monte Carlo (MCMC). Οι MCMC αλγόριθμοι χρησιμοποιούνται συχνά στη Μπεϋζιανή συμπερασματολογία. Πολλές φορές καλούμαστε να προσομοιώσουμε εκ των υστέρων κατανομές στις οποίες εμπλέκονται πολλές παράμετροι. Η εφαρμογή των MCMC μεθόδων προσομοίωσης αποδεικνύεται πολύ βολική στην περίπτωση πολυδιάστατων κατανομών άγνωστων παραμέτρων. Στην εργασία αυτή παρουσιάζουμε κάποια βασικά αποτελέσματα της θεωρίας των αλυσίδων Markov, τον αλγόριθμο Metropolis- Hastings, το δειγματολήπτη Gibbs, πολλές παραλλαγές αυτών των δύο, αρκετά διαγνωστικά κριτήρια σύγκλισης, κάποιες εφαρμογές και πολλά άλλα που θα βοηθήσουν τον αναγνώστη να πάρει μια πρώτη ιδέα για τη μεθοδολογία των MCMC αλγόριθμων.

Master Thesis

Bayesian statistical decision theory

Πανεπιστήμιο Πειραιώς (EL)
University of Peiraeus (EN)

Ελληνική γλώσσα

2006-04-03T12:11:55Z
2005-06-08T11:14:36Z
2005-12-01T11:14:36Z


Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.