답변:
당신의 후부가 어느 가족인지 알고 그 분포의 파생물을 찾는 것이 분석적으로 가능하다면 그것은 맞습니다.
그러나 MCMC를 사용하면 이러한 유형의 상황이 아닐 수 있습니다. MCMC는 후방이 어떻게 보이는지에 대한 명확한 분석 개념이없는 상황을 위해 만들어졌습니다 .
대부분의 후자는 분석적으로 최적화하기가 어렵습니다 (예 : 그래디언트를 취하고 0으로 설정). MAP를 수행하려면 수치 최적화 알고리즘을 사용해야합니다.
따로 : MCMC는 MAP과 관련이 없습니다.
MAP- 최대 사후 측정을 위해 -사후 밀도에 비례하는 것의 국소 최대 값을 찾고 해당 파라미터 값을 추정값으로 사용하는 것을 말합니다. 그것은 다음과 같이 정의됩니다
MCMC는 일반적으로 확률 밀도에 비례하는 것에 대한 기대치 를 근사화 하는 데 사용됩니다 . 후부의 경우는
여기서 은 적합한 Markov 체인이 방문하는 매개 변수 공간 위치의 모음입니다. 일반적으로 의미있는 의미에서θ M P ≠ θ M C M C
요점은 MAP에는 최적화 가 필요하지만 MCMC는 샘플링을 기반으로한다는 것 입니다.