- ¿Cómo se explica MCMC??
- ¿Cómo funciona el MCMC bayesiano??
- Es MCMC siempre bayesiano?
- ¿Cuál es la diferencia entre MCMC y Monte Carlo??
¿Cómo se explica MCMC??
Los métodos de la cadena de Markov Monte Carlo (MCMC) son una clase de algoritmos para el muestreo de una distribución de probabilidad basada en la construcción de una cadena de Markov que tiene la distribución deseada como su distribución estacionaria. El estado de la cadena después de varios pasos se usa como muestra de la distribución deseada.
¿Cómo funciona el MCMC bayesiano??
MCMC se puede usar en la inferencia bayesiana para generar, directamente de la "parte no normalizada" de la posterior, muestras para trabajar en lugar de tratar con cálculos intratables.
Es MCMC siempre bayesiano?
Los métodos MCMC generalmente se usan en modelos bayesianos que tienen diferencias sutiles a modelos más estándar. Como la mayoría de los cursos estadísticos todavía se enseñan utilizando métodos clásicos o frecuentistas, necesitamos describir las diferencias antes de considerar los métodos MCMC.
¿Cuál es la diferencia entre MCMC y Monte Carlo??
Mientras que los métodos "clásicos" de Monte Carlo se basan en muestras generadas por computadora formadas por observaciones independientes, los métodos MCMC se utilizan para generar secuencias de observaciones dependientes. Estas secuencias son las cadenas de Markov, que explica el nombre de los métodos.