マルコフ連鎖モンテカルロ法
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2021/07/07 09:50 UTC 版)
マルコフ連鎖モンテカルロ法（マルコフれんさモンテカルロほう、英: Markov chain Monte Carlo methods、通称MCMC）とは、求める確率分布を均衡分布として持つマルコフ連鎖を作成することによって確率分布のサンプリングを行う種々のアルゴリズムの総称である。具体的には、同時事後分布に従う乱数を継時的に生成する。代表的なMCMCとしてメトロポリス・ヘイスティングス法やギブスサンプリングがある。
- ^ 来嶋秀治、松井知己、完璧にサンプリングしよう、 "オペレーションズ・リサーチ"，vol. 50 (2005),第一話「遥かなる過去から」, no. 3, pp. 169--174, 第二話「天と地の狭間で」, no. 4, pp. 264--269, 第三話「終りある未来」, no. 5, pp. 329--334.
- ^ Hoffman, Matthew D.; Gelman, Andrew (April 2014). “The No-U-Turn Sampler: Adaptively Setting Path Lengths in Hamiltonian Monte Carlo”. Journal of Machine Learning Research 15: pp. 1593–1623.
- ^ Radford M. Neal, "Slice Sampling". The Annals of Statistics, 31(3):705-767, 2003.
- ^ P. J. Green. Reversible jump Markov chain Monte Carlo computation and Bayesian model determination. Biometrika, 82(4):711-732, 1995
[続きの解説]
「マルコフ連鎖モンテカルロ法」の続きの解説一覧
- 1 マルコフ連鎖モンテカルロ法とは
- 2 マルコフ連鎖モンテカルロ法の概要
- 3 次元の変化
「マルコフ連鎖モンテカルロ法」の例文・使い方・用例・文例
- マルコフ連鎖モンテカルロ法のページへのリンク
