Questão 3307248

Estatística · 2025

Questão

ID 3307248

Disciplina: Estatística

Assunto: Amostrador de Gibbs

Ano: 2025 Banca: FGV - Fundação Getúlio Vargas Órgão: Prefeitura da Cidade do Rio de Janeiro

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

Alternativa A:
o Metropolis-Hastings exige amostragem exata de cada parâmetro, enquanto o Gibbs é baseado em aceitação/rejeição de propostas.
Alternativa B:
o amostrador de Gibbs é utilizado quando as distribuições condicionais completas são conhecidas e é possível obter amostras das mesmas a cada iteração.
Alternativa C:
o algoritmo de Metropolis-Hastings gera amostras independentes entre si.
Alternativa D:
os algoritmos Gibbs Sampling e Metropolis-Hastings não podem ser usados em conjunto.
Alternativa E:
o algoritmo Gibbs Sampling gera amostras independentes entre si.

Estatísticas Cadernos

Questão 3307248

Continue estudando na plataforma