Pytania otagowane jako mcmc

Łańcuch Markowa Monte Carlo (MCMC) odnosi się do klasy metod generowania próbek z rozkładu docelowego poprzez generowanie liczb losowych z łańcucha Markowa, którego rozkład stacjonarny jest rozkładem docelowym. Metody MCMC są zwykle stosowane, gdy bardziej bezpośrednie metody generowania liczb losowych (np. Metoda inwersji) są niemożliwe. Pierwszą metodą MCMC był algorytm Metropolis, później zmodyfikowany do algorytmu Metropolis-Hastings.

2
Kiedy MCMC jest przydatne?
Mam problem ze zrozumieniem, w której sytuacji podejście MCMC jest rzeczywiście przydatne. Przechodzę przez zabawkowy przykład z książki Kruschke „Doing Bayesian Data Analysis: A Tutorial with R and BUGS”. Do tej pory rozumiałem, że potrzebujemy rozkładu docelowego, który jest proporcjonalny do p(D|θ)p(θ)p(D|θ)p(θ)p(D|\theta)p(\theta) , aby otrzymać próbkę P(θ|D)P(θ|D)P(\theta|D) . Wydaje mi …
12 mcmc 
1
Jak interpretować wykres autokorelacji w MCMC
Zapoznam się ze statystykami bayesowskimi, czytając książkę Doing Bayesian Data Analysis autorstwa Johna K. Kruschke znaną również jako „książkę o szczeniętach”. W rozdziale 9 przedstawiono modele hierarchiczne na tym prostym przykładzie: a obserwacje Bernoulliego to 3 monety, każde 10 rzutów. Jeden pokazuje 9 głów, drugi 5 głów, a drugi 1 …
1
Zamieszanie z wartościami lmer i p: jak wartości p z pakietu memisc różnią się od wartości MCMC?
Miałem wrażenie, że funkcja lmer()w lme4pakiecie nie generowała wartości p (patrz lmerwartości p i tak dalej ). Używam MCMC wygenerowane wartości p zamiast, jak na to pytanie: znaczący wpływ w lme4modelu mieszanym i to pytanie: nie można odnaleźć wartości p w wyjściu ze lmer()w lm4opakowaniu wR . Ostatnio wypróbowałem pakiet …
1
Jak mogę zoptymalizować wydajność obliczeniową przy wielokrotnym dopasowywaniu złożonego modelu do dużego zestawu danych?
Mam problemy z wydajnością przy użyciu MCMCglmmpakietu w R do uruchomienia mieszanego modelu efektów. Kod wygląda następująco: MC1<-MCMCglmm(bull~1,random=~school,data=dt,family="categorical" , prior=list(R=list(V=1,fix=1), G=list(G1=list(V=1, nu=0))) , slice=T, nitt=iter, ,burnin=burn, verbose=F) Dane zawierają około 20 000 obserwacji i są skupione w około 200 szkołach. Usunąłem wszystkie nieużywane zmienne z ramki danych i usunąłem wszystkie …
2
Metody MCMC - wypalanie próbek?
W metodach MCMC wciąż czytam o burn-inczasie lub liczbie próbek "burn". Co to dokładnie jest i dlaczego jest potrzebne? Aktualizacja: Czy po stabilizacji MCMC pozostaje stabilny? W jaki sposób pojęcie burn-inczasu jest powiązane z czasem mieszania?
12 sampling  mcmc 
2
Dlaczego istnieją zalecenia, aby nie używać Jeffreysa lub priorów opartych na entropii dla samplerów MCMC?
Na swojej stronie wiki twórcy Stana stwierdzają: Niektóre zasady, których nie lubimy: niezmienność, Jeffreys, entropia Zamiast tego widzę wiele normalnych zaleceń dotyczących dystrybucji. Do tej pory korzystałem z metod bayesowskich, które nie polegały na próbkowaniu, i byłem zadowolony, że zrozumiałem, dlaczego był dobrym wyborem dla prawdopodobieństw dwumianowych.θ ∼ Beta ( …
12 bayesian  mcmc  prior  pymc  stan 
2
Początkujący PyMC: jak właściwie pobierać próbki z dopasowanego modelu
Próbuję bardzo prostego modelu: dopasowanie Normalnego, w którym zakładam, że znam precyzję i chcę tylko znaleźć środek. Poniższy kod wydaje się poprawnie pasować do Normalnego. Ale po dopasowaniu chcę próbkować z modelu, tj. Generować nowe dane, które są podobne do mojej datazmiennej. Wiem, że mogę użyć trace("mean")do pobrania próbek dla …
12 mcmc  pymc 
2
Parametry maksymalnego prawdopodobieństwa odbiegają od rozkładów bocznych
Mam funkcję prawdopodobieństwa dla prawdopodobieństwa moich danych biorąc pod uwagę niektóre parametry modelu , które chciałbym oszacować. Zakładając płaskie priorytety parametrów, prawdopodobieństwo jest proporcjonalne do prawdopodobieństwa a posteriori. Używam metody MCMC, aby zbadać to prawdopodobieństwo.L(d|θ)L(d|θ)\mathcal{L}(d | \theta)dddθ∈RNθ∈RN\theta \in \mathbf{R}^N Patrząc na wynikowy zbieżny łańcuch, stwierdzam, że parametry maksymalnego prawdopodobieństwa nie …
2
Czy Gibbs pobiera próbki z metody MCMC?
O ile rozumiem, jest to (przynajmniej tak definiuje to Wikipedia ). Ale znalazłem to oświadczenie Efron * (wyróżnienie dodane): Sieć Markov Monte Carlo (MCMC) to wielki sukces współczesnych statystyk bayesowskich. MCMC i jego siostrzana metoda „próbkowania Gibbsa” pozwalają na obliczenia numeryczne rozkładów bocznych w sytuacjach zbyt skomplikowanych do analizy analitycznej. …
11 mcmc  gibbs 
1
Jak uzyskać próbkowanie Gibbsa?
W rzeczywistości waham się zadać to pytanie, ponieważ obawiam się, że zostaną skierowane do innych pytań lub Wikipedii na temat pobierania próbek Gibbs, ale nie mam wrażenia, że ​​opisują to, co jest pod ręką. Biorąc pod uwagę prawdopodobieństwo warunkowe : p ( x | y ) y = y 0 …
11 sampling  mcmc  gibbs 
1
Próbkowanie Gibbsa dla modelu Isinga
Pytanie do pracy domowej: Rozważ model 1-d Isinga. Niech . wynosi -1 lub +1x=(x1,...xd)x=(x1,...xd)x = (x_1,...x_d)xixix_i π(x)∝e∑39i=1xixi+1π(x)∝e∑i=139xixi+1\pi(x) \propto e^{\sum_{i=1}^{39}x_ix_{i+1}} Zaprojektuj algorytm próbkowania Gibbs do generowania próbek w przybliżeniu z rozkładu docelowego .π(x)π(x)\pi(x) Moja próba: Losowo wybierz wartości (-1 lub 1), aby wypełnić wektor . Więc może . To jest .x=(x1,...x40)x=(x1,...x40)x …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.