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.

5
Hasilkan nilai multivarian acak dari data empiris
Saya sedang mengerjakan fungsi Monte Carlo untuk menilai beberapa aset dengan pengembalian sebagian berkorelasi. Saat ini, saya hanya menghasilkan matriks kovarians dan memberi makan rmvnorm()fungsi dalam R. (Menghasilkan nilai acak berkorelasi.) Namun, melihat distribusi pengembalian suatu aset, biasanya tidak didistribusikan. Ini benar-benar pertanyaan dua bagian: 1) Bagaimana saya bisa memperkirakan …
10 mcmc  monte-carlo  pdf 
2
Bagaimana sampel dari distribusi diskrit pada bilangan bulat non-negatif?
Saya memiliki distribusi diskrit berikut, di mana konstanta dikenal:α , βα,β\alpha,\beta p ( x ; α , β) = Beta ( α + 1 , β+ x )Beta ( α , β)untuk x = 0 , 1 , 2 , ...p(x;α,β)=Beta(α+1,β+x)Beta(α,β)for x=0,1,2,… p(x;\alpha,\beta) = \frac{\text{Beta}(\alpha+1, \beta+x)}{\text{Beta}(\alpha,\beta)} \;\;\;\;\text{for } x = …
3
Winbugs dan MCMC lainnya tanpa informasi untuk distribusi sebelumnya
Apa yang terjadi ketika Anda tidak memiliki gagasan tentang distribusi parameter? Pendekatan apa yang harus kita gunakan? Sebagian besar waktu kami bertujuan untuk menggarisbawahi jika variabel tertentu memiliki pengaruh terhadap ada / tidaknya spesies tertentu, dan variabel tersebut diterima atau tidak sesuai dengan variabel pentingnya. Ini berarti bahwa sebagian besar …
10 r  bayesian  mcmc  bugs  winbugs 
1
Nilai variabel tersembunyi regresi linear R "bernilai"
Ini hanya contoh yang saya temui beberapa kali, jadi saya tidak punya data sampel. Menjalankan model regresi linier di R: a.lm = lm(Y ~ x1 + x2) x1adalah variabel kontinu. x2bersifat kategorikal dan memiliki tiga nilai, mis. "Rendah", "Sedang" dan "Tinggi". Namun output yang diberikan oleh R akan menjadi seperti: …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
4
Dengan rantai 10M MCMC, bagaimana saya bisa menentukan mode posteriornya di R?
Pertanyaan: Dengan rantai MCMC 10 dimensi, katakanlah saya siap memberikan Anda sebuah matriks undian: 100.000 iterasi (baris) dengan 10 parameter (kolom), bagaimana cara terbaik saya mengidentifikasi mode posterior? Saya terutama memperhatikan beberapa mode. Latar Belakang:Saya menganggap diri saya seorang ahli statistik yang mengerti secara komputasi, tetapi ketika seorang kolega bertanya …
3
Jumlah rantai Markov Sampel Monte Carlo
Ada banyak literatur di luar sana tentang diagnostik konvergensi Markov chain Monte Carlo (MCMC), termasuk diagnostik Gelman-Rubin yang paling populer. Namun, semua ini menilai konvergensi rantai Markov, dan dengan demikian menjawab pertanyaan burn-in. Setelah saya mengetahui burn-in, bagaimana saya harus memutuskan berapa banyak sampel MCMC yang cukup untuk melanjutkan proses …
1
Hamiltonian Monte Carlo: bagaimana memahami proposal Metropolis-Hasting?
Saya mencoba memahami pekerjaan dalam Hamiltonian Monte Carlo (HMC), tetapi tidak dapat sepenuhnya memahami bagian ketika kita mengganti integrasi waktu deterministik dengan proposal Metropolis-Hasting. Saya membaca makalah pengantar yang luar biasa A Pengantar Konseptual untuk Hamiltonian Monte Carlo oleh Michael Betancourt, jadi saya akan mengikuti notasi yang sama yang digunakan …
9 mcmc  monte-carlo  hmc 
1
Batasan MCMC / EM? MCMC lebih dari EM?
Saat ini saya sedang belajar model Bayesian hierarkis menggunakan JAGS dari R, dan juga pymc menggunakan Python ( "Metode Bayesian untuk Peretas" ). Saya bisa mendapatkan intuisi dari posting ini : "Anda akan berakhir dengan tumpukan angka yang terlihat" seolah-olah "Anda entah bagaimana berhasil mengambil sampel independen dari distribusi rumit …
2
Apakah pengambilan sampel berbasis rantai Markov "terbaik" untuk pengambilan sampel Monte Carlo? Apakah ada skema alternatif yang tersedia?
Rantai Markov Monte Carlo adalah metode yang didasarkan pada rantai Markov yang memungkinkan kita untuk mendapatkan sampel (dalam pengaturan Monte Carlo) dari distribusi non-standar yang darinya kita tidak dapat menarik sampel secara langsung. Pertanyaan saya adalah mengapa rantai Markov "canggih" untuk pengambilan sampel Monte Carlo. Sebuah pertanyaan alternatif mungkin, apakah …
2
Kebingungan terkait pengambilan sampel Gibbs
Saya menemukan artikel ini di mana dikatakan bahwa dalam pengambilan sampel Gibbs setiap sampel diterima. Saya sedikit bingung. Bagaimana jika setiap sampel yang diterima itu konvergen ke distribusi stasioner. Secara umum Algoritma Metropolis kami terima sebagai min (1, p (x *) / p (x)) di mana x * adalah titik …
4
(Berinteraksi) MCMC untuk posterior multimoda
Saya mencoba mengambil sampel dari posterior yang memiliki banyak mode, terutama yang saling berjauhan menggunakan MCMC. Tampaknya dalam kebanyakan kasus, hanya satu dari mode ini yang mengandung 95% hp yang saya cari. Saya mencoba menerapkan solusi berdasarkan simulasi tempered tetapi ini tidak memberikan hasil yang memuaskan karena dalam praktiknya dari …
1
Membuat model Markov entropi maksimum dari multi-input maksimum entropy classifier
Saya tertarik dengan konsep Maximum Entropy Markov Model (MEMM), dan saya berpikir untuk menggunakannya untuk tagger Part of Speech (POS). Saat ini, saya menggunakan classifier Maximum Entropy (ME) konvensional untuk menandai setiap kata. Ini menggunakan sejumlah fitur, termasuk dua tag sebelumnya. MEMM menggunakan algoritma Viterbi untuk menemukan jalur optimal melalui …
3
Tingkat penerimaan untuk Metropolis-Hastings dengan distribusi kandidat yang seragam
Ketika menjalankan algoritma Metropolis-Hastings dengan distribusi kandidat yang seragam, apa alasan memiliki tingkat penerimaan sekitar 20%? Pemikiran saya adalah: setelah nilai parameter true (atau close to true) ditemukan, maka tidak ada set nilai parameter kandidat baru dari interval seragam yang sama yang akan meningkatkan nilai fungsi kemungkinan. Oleh karena itu, …
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.