Pertanyaan yang diberi tag «mcmc»

Rantai Markov Monte Carlo (MCMC) mengacu pada kelas metode untuk menghasilkan sampel dari distribusi target dengan menghasilkan angka acak dari Rantai Markov yang distribusi stasionernya adalah distribusi target. Metode MCMC biasanya digunakan ketika metode yang lebih langsung untuk pembuatan bilangan acak (misalnya metode inversi) tidak layak. Metode MCMC pertama adalah algoritma Metropolis, kemudian dimodifikasi menjadi algoritma Metropolis-Hastings.

2
Pengambilan sampel Gibbs versus MH-MCMC umum
Saya baru saja melakukan beberapa bacaan pada Gibbs sampling dan algoritma Metropolis Hastings dan punya beberapa pertanyaan. Seperti yang saya pahami, dalam kasus pengambilan sampel Gibbs, jika kita memiliki masalah multivariat yang besar, kita sampel dari distribusi bersyarat yaitu sampel satu variabel sambil menjaga semua yang lain tetap sedangkan di …
4
Algoritma Metropolis-Hastings digunakan dalam praktik
Saya membaca Blog Christian Robert hari ini dan cukup menyukai algoritma Metropolis-Hastings yang baru ia diskusikan. Tampaknya sederhana dan mudah diimplementasikan. Setiap kali saya membuat kode MCMC, saya cenderung tetap dengan algoritma MH yang sangat dasar, seperti gerakan independen atau jalan acak pada skala log. Algoritma MH apa yang digunakan …
4
Apa nilai yang benar untuk presisi dan mengingat dalam kasus tepi?
Presisi didefinisikan sebagai: p = true positives / (true positives + false positives) Apakah benar bahwa, sebagai true positivesdan false positivespendekatan 0, presisi mendekati 1? Pertanyaan yang sama untuk diingat: r = true positives / (true positives + false negatives) Saat ini saya sedang menerapkan tes statistik di mana saya …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 
1
Algoritma / teknik MCMC apa yang digunakan untuk parameter diskrit?
Saya tahu cukup banyak tentang pemasangan parameter kontinu terutama metode berbasis gradien, tetapi tidak banyak tentang pemasangan parameter diskrit. Algoritma / teknik MCMC apa yang biasa digunakan untuk pemasangan parameter diskrit? Apakah ada algoritma yang cukup umum dan cukup kuat? Apakah ada algoritma yang menangani kutukan dimensi dengan baik? Sebagai …
19 bayesian  mcmc 
2
Mengapa perlu untuk mengambil sampel dari distribusi posterior jika kita sudah TAHU distribusi posterior?
Pemahaman saya adalah bahwa ketika menggunakan pendekatan Bayesian untuk memperkirakan nilai parameter: Distribusi posterior adalah kombinasi dari distribusi sebelumnya dan distribusi kemungkinan. Kami mensimulasikan ini dengan menghasilkan sampel dari distribusi posterior (misalnya, menggunakan algoritma Metropolis-Hasting untuk menghasilkan nilai, dan menerimanya jika mereka berada di atas ambang batas probabilitas tertentu untuk …
3
Apakah MCMC tanpa memori?
Saya mencoba memahami apa rantai Markov, Monte Carlo (MCMC) dari halaman Wikipedia bahasa Prancis. Mereka mengatakan "bahwa rantai Markov metode Monte Carlo terdiri dari menghasilkan vektor xixix_ {i} hanya dari data vektor xi−1xi−1x_ {i-1} karena itu merupakan proses" tanpa memori "" Les méthodes de Monte-Carlo par chaînes de Markov konsisten …
18 mcmc 
2
Kapan MCMC menjadi biasa?
Adakah yang tahu sekitar tahun berapa MCMC menjadi hal yang biasa (yaitu, metode populer untuk inferensi Bayesian)? Tautan ke jumlah artikel MCMC (jurnal) yang diterbitkan seiring waktu akan sangat membantu.
18 bayesian  mcmc  history 
1
MCMC pada ruang parameter yang dibatasi?
Saya mencoba menerapkan MCMC pada suatu masalah, tetapi prior saya (dalam kasus saya mereka adalah )) dibatasi pada suatu area? Dapatkah saya menggunakan MCMC normal dan mengabaikan sampel yang berada di luar zona terbatas (yang dalam kasus saya [0,1] ^ 2), yaitu menggunakan kembali fungsi transisi ketika transisi baru keluar …
1
Apakah algoritma Gibbs Sampling menjamin saldo terperinci?
Saya memilikinya pada otoritas tertinggi 1 bahwa Gibbs Sampling adalah kasus khusus dari algoritma Metropolis-Hastings untuk pengambilan sampel Markov Chain Monte Carlo. Algoritma MH selalu memberikan probabilitas transisi dengan properti keseimbangan terperinci; Saya berharap Gibbs juga harus. Jadi di mana dalam kasus sederhana berikut ini saya salah? Untuk distribusi target …
17 mcmc  gibbs 
2
Tekan dan jalankan MCMC
Saya mencoba menerapkan algoritma MCMC hit and run, tetapi saya mengalami sedikit kesulitan untuk memahami bagaimana cara melakukannya. Gagasan umum, adalah sebagai berikut: Untuk menghasilkan lompatan proposal di MH, kami: Hasilkan arah dari distribusi di permukaan unit bola OdddOO\mathcal{O} Hasilkan jarak yang ditandatangani sepanjang ruang terbatas.λλ\lambda Namun, saya tidak tahu …
16 r  bayesian  mcmc 
1
Stan
Saya sedang membaca dokumentasi Stan yang dapat diunduh dari sini . Saya sangat tertarik dengan implementasi diagnostik Gelman-Rubin. Makalah asli Gelman & Rubin (1992) mendefinisikan faktor skala pengurangan potensial (PSRF) sebagai berikut: Biarkan menjadi rantai Markov ke- i sampel, dan biarkan ada rantai M independen keseluruhan sampel. Biarkan ˉ X …
2
Apa perbedaan antara ABC dan MCMC dalam aplikasi mereka?
Untuk pemahaman saya Perkiraan Bayesian Computation (ABC) dan Markov Chain Monte Carlo (MCMC) memiliki tujuan yang sangat mirip. Di bawah ini saya menjelaskan pemahaman saya tentang metode ini dan bagaimana saya melihat perbedaan dalam penerapannya pada data kehidupan nyata. Perkiraan Bayesian Computation ABC terdiri atas pengambilan sampel parameter θθ\theta dari …
2
Pengambilan sampel dari Distribusi yang Tidak Tepat (menggunakan MCMC dan lainnya)
Pertanyaan dasar saya adalah: bagaimana Anda akan mengambil sampel dari distribusi yang tidak tepat? Apakah masuk akal untuk mengambil sampel dari distribusi yang tidak tepat? Komentar Xi'an di sini semacam menjawab pertanyaan itu, tetapi saya sedang mencari beberapa detail lebih lanjut tentang ini. Lebih spesifik untuk MCMC: Dalam berbicara tentang …
2
Prediksi dari model BSTS (dalam R) gagal total
Setelah membaca posting blog ini tentang model deret waktu struktural Bayesian, saya ingin melihat penerapan ini dalam konteks masalah yang sebelumnya saya gunakan untuk ARIMA. Saya memiliki beberapa data dengan beberapa komponen musiman yang diketahui (tetapi berisik) - pasti ada komponen tahunan, bulanan dan mingguan untuk ini, dan juga beberapa …
15 r  time-series  bayesian  mcmc  bsts 
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.