Riassunto
La definizione astratta della soluzione di un problema inverso come la distribuzione di probabilità, in pratica non è molto utile, se non abbiamo dei mezzi per esplorarla. Come abbiamo visto nel capitolo dedicato alla interpretazione della distribuzione a posteriori (MAP), la stima di un massimo a posteriori è essenzialmente un problema di ottimizzazione, mentre la media condizionale e la varianza richiedono una integrazione nello spazio ℛn in cui la densità posteriori sia ben ben definita. Se la dimensione n del parametro spaziale ℛn è grande allora l’uso delle quadrature numeriche eccede l’uso della capacità computazionale di parecchi computer. Inoltre la regola richiede una relativamente buona conoscenza della distribuzione di probabilità.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2012 Springer-Verlag Italia
About this chapter
Cite this chapter
Guzzi, R. (2012). Markov Chain Monte Carlo. In: Introduzione ai metodi inversi. UNITEXT - Collana di Fisica e Astronomia(), vol 32. Springer, Milano. https://doi.org/10.1007/978-88-470-2495-3_7
Download citation
DOI: https://doi.org/10.1007/978-88-470-2495-3_7
Publisher Name: Springer, Milano
Print ISBN: 978-88-470-2494-6
Online ISBN: 978-88-470-2495-3
eBook Packages: Earth and Environmental ScienceEarth and Environmental Science (R0)