Pertanyaan yang diberi tag «metropolis-hastings»

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 …

9 mcmc  gibbs  metropolis-hastings 

Saya mencoba mensimulasikan dari kepadatan bivariat menggunakan algoritma Metropolis di R dan tidak beruntung. Kepadatan dapat dinyatakan sebagai , di mana adalah distribusi Singh-Maddalap ( x , y)hal(x,y)p(x,y)p(y|x)p(x)p(y|x)p(x)p(y|x)p(x)p(x)p(x)p(x) hal(x)=aqxa−1ba(1+(xb)a)1 + qp(x)=aqxSebuah-1bSebuah(1+(xb)Sebuah)1+qp(x)=\dfrac{aq x^{a-1}}{b^a (1 + (\frac{x}{b})^a)^{1+q}} dengan parameter , , , dan adalah log-normal dengan log-mean sebagai fraksi , dan log-sd …

9 sampling  monte-carlo  metropolis-hastings 

Dalam algoritma Metropolis – Hastings untuk pengambilan sampel distribusi target, misalkan: πiπi\pi_{i} menjadi kerapatan target di keadaan ,iii πjπj\pi_j menjadi densitas target pada status yang diusulkan ,jjj hijhijh_{ij} menjadi kepadatan proposal untuk transisi ke keadaan mengingat keadaan saat ini ,jjjiii aijaija_{ij} menjadi kemungkinan menerima keadaan yang diusulkan diberikan keadaan saat …

9 mcmc  metropolis-hastings 

Saya telah mencoba untuk merasakan masalah yang berbeda dalam pengaturan sering di mana MCMC digunakan. Saya tahu bahwa MCMC (atau Monte Carlo) digunakan dalam pemasangan GLMM dan mungkin juga algoritma Monte Carlo EM. Apakah ada masalah yang lebih sering terjadi di mana MCMC digunakan?

8 mcmc  monte-carlo  expectation-maximization  metropolis-hastings  frequentist 

Dalam rantai Metropolis-Hastings Markov Monte Carlo, distribusi proposal dapat berupa apa saja termasuk Gaussian (menurut Wikipedia). T: Apa motivasi untuk menggunakan selain Gaussian? Gaussian bekerja, mudah untuk mengevaluasi, cepat dan semua orang memahaminya. Mengapa saya mempertimbangkan hal lain? T: Karena distribusi proposal dapat berupa apa saja, dapatkah saya menggunakan distribusi …

8 sampling  mcmc  monte-carlo  metropolis-hastings 

Dalam implementasi MCMC model hirarkis, dengan efek acak normal dan Wishart sebelum matriks kovariannya, sampling Gibbs biasanya digunakan. Namun, jika kita mengubah distribusi efek acak (mis. Ke Student's-t atau yang lain), konjugasinya hilang. Dalam hal ini, apa yang akan menjadi distribusi proposal yang sesuai (yaitu mudah ditembus) untuk matriks kovarians …

8 mcmc  hierarchical-bayesian  metropolis-hastings 

Ada beberapa versi algoritma Metropolis Hastings yang adaptif. Satu diimplementasikan dalam fungsi Metro_Hastingsdari Rpaket MHadaptive, lihat di sini . Referensi yang tercantum di sana, Spiegelhalter et al. (2002), sayangnya tidak mengandung deskripsi dari algoritma adaptif, sejauh yang saya bisa lihat. Namun, Metro_Hastingsalgoritma berkinerja sangat baik dalam pengambilan sampel dari distribusi …

7 r  mcmc  metropolis-hastings