Algoritmos metropolis-hastings de volatilidad estocástica y escalada localmente
Autores: Mongwe, Wilson Tsakane; Mbuvha, Rendani; Marwala, Tshilidzi
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Algoritmos metropolis-hastings de volatilidad estocástica y escalada localmente
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Cadena de Markov
Monte Carlo
Técnicas MCMC
Algoritmo Metropolis-Hastings
Monte Carlo hamiltoniano
Tamaño efectivo de la muestra
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 39
Citaciones: Sin citaciones
Las técnicas de Monte Carlo de la cadena de Markov (MCMC) suelen utilizarse para inferir parámetros del modelo cuando la inferencia en forma cerrada no es factible, siendo uno de los métodos MCMC más simples el algoritmo de Metropolis-Hastings (MH) de caminata aleatoria.
Descripción
Las técnicas de Monte Carlo de la cadena de Markov (MCMC) suelen utilizarse para inferir parámetros del modelo cuando la inferencia en forma cerrada no es factible, siendo uno de los métodos MCMC más simples el algoritmo de Metropolis-Hastings (MH) de caminata aleatoria.