Pertanyaan yang diberi tag «monte-carlo»

Sebuah hutan random adalah kumpulan pohon keputusan dibentuk oleh acak memilih hanya fitur tertentu untuk membangun setiap pohon dengan (dan kadang-kadang mengantongi data training). Tampaknya mereka belajar dan menggeneralisasi dengan baik. Adakah yang melakukan pengambilan sampel MCMC pada ruang pohon keputusan atau membandingkannya dengan hutan acak? Saya tahu mungkin lebih …

11 mcmc  monte-carlo  random-forest  cart 

Saya biasanya menangani data di mana beberapa individu masing-masing diukur beberapa kali dalam masing-masing 2 atau lebih kondisi. Saya baru-baru ini bermain dengan pemodelan efek campuran untuk mengevaluasi bukti perbedaan antara kondisi, pemodelan individualsebagai efek acak. Untuk memvisualisasikan ketidakpastian mengenai prediksi dari pemodelan seperti itu, saya telah menggunakan bootstrap, di …

11 confidence-interval  mixed-model  bootstrap  monte-carlo  simulation 

Saya memiliki pertanyaan berikut untuk kursus yang sedang saya kerjakan: Lakukan studi Monte Carlo untuk memperkirakan probabilitas cakupan interval kepercayaan bootstrap normal standar dan interval kepercayaan bootstrap dasar. Sampel dari populasi normal dan periksa tingkat cakupan empiris untuk rata-rata sampel. Probabilitas cakupan untuk CI bootstrap normal standar mudah: n = …

11 r  confidence-interval  self-study  bootstrap  monte-carlo 

Saya ingin menyelesaikan Project Euler 213 tetapi tidak tahu harus mulai dari mana karena saya orang awam di bidang Statistik, perhatikan bahwa jawaban yang akurat diperlukan agar metode Monte Carlo tidak akan berfungsi. Bisakah Anda merekomendasikan beberapa topik statistik untuk saya baca? Tolong jangan posting solusinya di sini. Kutu Sirkus …

11 self-study  monte-carlo  markov-process 

Situasi yang sangat umum dalam grafik komputer adalah bahwa warna beberapa piksel sama dengan integral dari beberapa fungsi bernilai nyata. Seringkali fungsi ini terlalu rumit untuk diselesaikan secara analitis, jadi kita dibiarkan dengan pendekatan numerik. Tetapi fungsi ini juga sering kali sangat mahal untuk dihitung, jadi kami sangat terkendala dalam …

11 estimation  monte-carlo  function  quasi-monte-carlo 

Ketika satu set persamaan tidak dapat diselesaikan secara analitis, maka kita dapat menggunakan algoritma gradient descent. Tetapi tampaknya ada juga metode simulasi Monte Carlo yang dapat digunakan untuk menyelesaikan masalah yang tidak memiliki solusi analitis. Bagaimana cara mengetahui kapan harus menggunakan gradient descent dan kapan menggunakan Monte Carlo? Atau apakah …

11 monte-carlo  gradient-descent 

Misalkan saya ingin mengambil sampel dari distribusi berkelanjutan . Jika saya memiliki ekspresi dalam formulirpp(x)p(x)p(x)ppp p(x)=∑i=1∞aifi(x)p(x)=∑i=1∞aifi(x)p(x) = \sum_{i=1}^\infty a_i f_i(x) di mana , dan f_i adalah distribusi yang dapat dengan mudah diambil sampelnya, maka saya dapat dengan mudah menghasilkan sampel dari p dengan:ai⩾0,∑iai=1ai⩾0,∑iai=1a_i \geqslant 0, \sum_i a_i= 1fifif_ippp Mengambil sampel …

10 simulation  monte-carlo  mixture  accept-reject 

Saat ini saya menggunakan pendekatan bayesian untuk memperkirakan parameter untuk model yang terdiri dari beberapa ODE. Karena saya memiliki 15 parameter untuk diperkirakan, ruang pengambilan sampel saya adalah 15-dimensi dan pencarian saya untuk distribusi posterior tampaknya memiliki banyak maxima lokal yang sangat terisolasi oleh daerah besar dengan probabilitas sangat rendah. …

10 bayesian  mcmc  monte-carlo  ergodic 

Biarkan menjadi urutan variabel acak iid yang disampel dari distribusi stabil alpha , dengan parameter .X1,X2,…,X3nX1,X2,…,X3nX_1, X_2, \ldots, X_{3n}α=1.5,β=0,c=1.0,μ=1.0α=1.5,β=0,c=1.0,μ=1.0\alpha = 1.5, \; \beta = 0, \; c = 1.0, \; \mu = 1.0 Sekarang perhatikan urutan , di mana , untuk .Y1,Y2,…,YnY1,Y2,…,YnY_1, Y_2, \ldots, Y_{n}Yj+1=X3j+1X3j+2X3j+3−1Yj+1=X3j+1X3j+2X3j+3−1Y_{j+1} = X_{3j+1}X_{3j+2}X_{3j+3} - 1j=0,…,n−1j=0,…,n−1j=0, \ldots, …

10 probability  self-study  monte-carlo  convergence  order-statistics 

Saya menguji independensi dalam tabel kontingensi Saya tidak tahu apakah G-test atau uji chi-square Pearson lebih baik. Ukuran sampel ada dalam ratusan tetapi ada beberapa jumlah sel yang rendah. Seperti yang dinyatakan pada halaman Wikipedia , perkiraan untuk distribusi chi-squared lebih baik untuk G-test daripada untuk uji chi-squared Pearson. Tapi …

10 chi-squared  p-value  monte-carlo  contingency-tables 

Pertanyaan saya adalah tentang jumlah simulasi yang diperlukan untuk metode analisis Monte Carlo. Sejauh yang saya lihat jumlah simulasi yang diperlukan untuk setiap kesalahan persentase yang diizinkan (misalnya, 5) adalah EEEn={100⋅zc⋅std(x)E⋅mean(x)}2,n={100⋅zc⋅std(x)E⋅mean(x)}2, n = \left\{\frac{100 \cdot z_c \cdot \text{std}(x)}{E \cdot \text{mean}(x)} \right\}^2 , di mana adalah standar deviasi dari sampel yang …

10 standard-deviation  monte-carlo  power-analysis 

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 

Dalam program saya, saya perlu menjalankan N utas terpisah masing-masing dengan RNG mereka sendiri yang digunakan untuk sampel dataset besar. Saya harus dapat menyemai seluruh proses ini dengan nilai tunggal sehingga saya dapat mereproduksi hasil. Apakah cukup untuk meningkatkan benih secara berurutan untuk setiap indeks? Saat ini saya menggunakan numpy's …

10 python  monte-carlo  random-generation  numpy 

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 

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 …

10 sample-size  mcmc  monte-carlo  markov-process