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
Próbkowanie MCMC przestrzeni drzewa decyzyjnego vs. losowy las
Losowy las jest zbiorem drzew decyzyjnych tworzonych przez losowo wybierając tylko niektóre funkcje, aby zbudować każde drzewo z (a czasem pakowania danych treningowych). Najwyraźniej dobrze się uczą i generalizują. Czy ktoś zrobił MCMC próbkowanie przestrzeni drzewa decyzyjnego lub porównał je z losowymi lasami? Wiem, że uruchomienie MCMC i zapisanie wszystkich …
3
Oszacowanie parametrów dynamicznego modelu liniowego
Chcę zaimplementować (w R) następujący bardzo prosty dynamiczny model liniowy, dla którego mam 2 nieznane parametry zmieniające się w czasie (wariancja błędu obserwacji i wariancja błędu stanu ). ϵ 2 tϵ1tϵt1\epsilon^1_tϵ2)tϵt2\epsilon^2_t Ytθt + 1==θt+ ϵ1tθt+ ϵ2)tYt=θt+ϵt1θt+1=θt+ϵt2 \begin{matrix} Y_t & = & \theta_t + \epsilon^1_t\\ \theta_{t+1} & = & \theta_{t}+\epsilon^2_t \end{matrix} …
11 r  mcmc  dlm  particle-filter 
3
Czy istnieje standardowa technika debugowania programów MCMC?
Debugowanie programów MCMC jest niezwykle trudne. Trudność wynika z kilku problemów, z których niektóre to: (a) Cykliczny charakter algorytmu Iteracyjnie rysujemy parametry na podstawie wszystkich innych parametrów. Dlatego jeśli implementacja nie działa poprawnie, trudno jest wyodrębnić błąd, ponieważ problemem może być dowolne miejsce w iteracyjnym samplerze. (b) Prawidłowa odpowiedź nie …
11 mcmc 
1
R / mgcv: Dlaczego produkty tensorowe te () i ti () wytwarzają różne powierzchnie?
mgcvOpakowanie Rposiada dwie funkcje montowania interakcji produktów napinacz: te()i ti(). Rozumiem podstawowy podział pracy między nimi (dopasowanie interakcji nieliniowej vs. rozkładanie tej interakcji na główne efekty i interakcję). To, czego nie rozumiem, to dlaczego te(x1, x2)i ti(x1) + ti(x2) + ti(x1, x2)może powodować (nieznacznie) różne wyniki. MWE (dostosowany z ?ti): …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
5
Algorytm Metropolis Hastings
Muszę przestudiować metody Markov Chain Monte Carlo, a dokładniej muszę przestudiować algorytm Metropolis Hastings i wszystko w tym stylu, jak kryteria konwergencji. Kto może przepisać mi książkę, artykuł lub stronę internetową, które wyjaśniają ten argument przy użyciu prostych terminów, ale nie są trywialne?
11 references  mcmc 
2
Rozkład propozycji uogólnionego rozkładu normalnego
Modeluję rozproszenie roślin przy użyciu uogólnionego rozkładu normalnego ( wpis na Wikipedii ), który ma funkcję gęstości prawdopodobieństwa: b2aΓ(1/b)e−(da)bb2aΓ(1/b)e−(da)b \frac{b}{2a\Gamma(1/b)} e^{-(\frac{d}{a})^b} gdzie jest przebytą odległością, jest parametrem skali, a jest parametrem kształtu. Średnią przebytą odległość podaje standardowe odchylenie tego rozkładu:dddaaabbb a2Γ(3/b)Γ(1/b)−−−−−−−−√a2Γ(3/b)Γ(1/b) \sqrt{\frac{a^2 \Gamma(3/b)}{\Gamma(1/b)}} Jest to wygodne, ponieważ pozwala na uzyskanie …
1
Czy wdrożono sampler Monte Carlo / MCMC, który radzi sobie z izolowanymi lokalnymi maksimami dystrybucji tylnej?
Obecnie używam bayesowskiego podejścia do oszacowania parametrów modelu składającego się z kilku ODE. Ponieważ mam 15 parametrów do oszacowania, moja przestrzeń próbkowania jest 15-wymiarowa, a moje poszukiwane rozmieszczenie z tyłu wydaje się mieć wiele lokalnych maksimów, które są bardzo odizolowane przez duże obszary o bardzo niskim prawdopodobieństwie. Prowadzi to do …
1
Zapobieganie awariom próbkowania wygładzonego Pareto (PSIS-LOO)
Niedawno zacząłem używać wygładzania ważności Pareto z pominięciem krzyżowej walidacji (PSIS-LOO), opisanej w tych artykułach: Vehtari, A., i Gelman, A. (2015). Pareto wygładził próbkowanie ważności. prefiks arXiv ( link ). Vehicletari, A., Gelman, A., i Gabry, J. (2016). Praktyczna ocena modelu Bayesa przy użyciu krzyżowej weryfikacji typu „out-one-out” i WAIC. …
1
Zarządzanie wysoką autokorelacją w MCMC
Buduję raczej złożony hierarchiczny model bayesowski do metaanalizy przy użyciu R i JAGS. Upraszczając nieco, dwa kluczowe poziomy modelu mają gdzie jest obserwacją punkt końcowy (w tym przypadku plony GMO i GMO) w badaniu , jest efektem dla badania , są efektami dla różnych zmiennych na poziomie badania (status rozwoju …
2
Czy iteracje MCMC po wypaleniu można wykorzystać do oszacowania gęstości?
Czy po wypaleniu możemy bezpośrednio użyć iteracji MCMC do oszacowania gęstości, na przykład poprzez wykreślenie histogramu lub oszacowanie gęstości jądra? Obawiam się, że iteracje MCMC niekoniecznie są niezależne, chociaż są co najwyżej identycznie rozmieszczone. Co się stanie, jeśli zastosujemy przerzedzanie do iteracji MCMC? Obawiam się, że iteracje MCMC są co …
2
Cenzura / Obcięcie w JAGS
Mam pytanie, jak dopasować problem cenzury do JAGS. Obserwuję normalną dwuwymiarową mieszaninę, w której wartości X mają błąd pomiaru. Chciałbym zamodelować prawdziwe podstawowe „średnie” zaobserwowanych wartości cenzurowanych. ⌈ xt r u e+ ϵ ⌉ = xo b s e r v e d ε ~ N( 0 , s d= …
5
Generuj losowe wartości wielowymiarowe z danych empirycznych
Pracuję nad funkcją Monte Carlo do wyceny kilku aktywów o częściowo skorelowanych zwrotach. Obecnie właśnie generuję macierz kowariancji i przesyłam do rmvnorm()funkcji w R. (Generuje skorelowane wartości losowe). Jednak patrząc na rozkłady zysków danego składnika aktywów, zwykle nie jest on rozkładany. To jest naprawdę dwuczęściowe pytanie: 1) Jak mogę oszacować …
10 mcmc  monte-carlo  pdf 
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.