Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Os algoritmos de Monte Carlo via Cadeias de Markov (MCMC)...
Os algoritmos de Monte Carlo via Cadeias de Markov (MCMC) são amplamente utilizados na modelagem bayesiana com o objetivo de obter amostras da distribuição a posteriori das quantidades de interesse. Dois exemplos de algoritmos nesta classe são os chamados Gibbs Sampling e Metropolis-Hastings.
Sobre estes algoritmos,é correto afirmar que
A
o Metropolis-Hastings exige amostragem exata de cada parâmetro, enquanto o Gibbs é baseado em aceitação/rejeição de propostas.
B
o amostrador de Gibbs é utilizado quando as distribuições condicionais completas são conhecidas e é possível obter amostras das mesmas a cada iteração.
C
o algoritmo de Metropolis-Hastings gera amostras independentes entre si.
D
os algoritmos Gibbs Sampling e Metropolis-Hastings não podem ser usados em conjunto.
E
o algoritmo Gibbs Sampling gera amostras independentes entre si.