Perguntas com a marcação «gibbs»

Pergunta de lição de casa: Considere o modelo Ising 1-d. Vamos . x i é -1 ou +1x = ( x1, . . . xd)x=(x1,...xd)x = (x_1,...x_d)xEuxix_i π( X ) α e∑39.i = 1xEuxi + 1π(x)∝e∑i=139xixi+1\pi(x) \propto e^{\sum_{i=1}^{39}x_ix_{i+1}} Crie um algoritmo de amostragem de gibbs para gerar amostras aproximadamente a …

11 self-study  sampling  mcmc  gibbs 

Parece que condicionais completos geralmente são bastante difíceis de derivar, mas programas como JAGS e BUGS os derivam automaticamente. Alguém pode explicar como eles geram algoritmos condicionais completos para qualquer especificação arbitrária de modelo?

11 bayesian  conditional-probability  jags  bugs  gibbs 

Encontrei este artigo em que diz que na amostra de Gibbs todas as amostras são aceitas. Eu estou um pouco confuso. Como é que, se toda amostra que ela aceita, converge para uma distribuição estacionária? Em geral, o algoritmo de metrópole é aceito como min (1, p (x *) / …

9 mcmc  gibbs  metropolis-hastings 

Portanto, tenho 16 ensaios em que estou tentando autenticar uma pessoa de uma característica biométrica usando a Distância de Hamming. Meu limite está definido como 3,5. Meus dados estão abaixo e apenas o teste 1 é um verdadeiro positivo: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

Atualmente, estou estimando um modelo de volatilidade estocástica com os métodos Monte Carlo da Cadeia de Markov. Assim, estou implementando os métodos de amostragem de Gibbs e Metropolis. Supondo que eu considere a média da distribuição posterior, e não uma amostra aleatória, é isso que é comumente chamado de Rao-Blackwellization …

9 mcmc  monte-carlo  gibbs  point-estimation  rao-blackwell 

Problema: quero realizar uma amostragem de Gibbs para inferir algumas posteriores em um grande conjunto de dados. Infelizmente, meu modelo não é muito simples e, portanto, a amostragem é muito lenta. Eu consideraria abordagens variacionais ou paralelas, mas antes de ir tão longe ... Pergunta: Gostaria de saber se poderia …

8 sampling  bootstrap  mcmc  large-data  gibbs 

Estou confuso sobre a maneira correta de escrever a rede elástica. Depois de ler alguns trabalhos de pesquisa, parece haver três formas 1)exp{ - λ1| βk| - λ2β2k}exp⁡{-λ1|βk|-λ2βk2}\exp\{-\lambda_1|\beta_k|-\lambda_2\beta_k^2\} 2)exp{ - ( λ1| βk| + λ2β2k)σ2√}exp⁡{-(λ1|βk|+λ2βk2)σ2}\exp\{-\frac{(\lambda_1|\beta_k|+\lambda_2\beta_k^2)}{\sqrt{\sigma^2}}\} 3)exp{ - ( λ1| βk| + λ2β2k)2 σ2}exp⁡{-(λ1|βk|+λ2βk2)2σ2}\exp\{-\frac{(\lambda_1|\beta_k|+\lambda_2\beta_k^2)}{2\sigma^2}\} Eu simplesmente não entendo a maneira correta …

8 bayesian  mathematical-statistics  gibbs  elastic-net 

Suspeito que esta seja uma pergunta bastante incomum e exploratória, por isso, tenha paciência comigo. Gostaria de saber se é possível aplicar a idéia de amostragem importante à amostragem de Gibbs. Aqui está o que quero dizer: na amostragem de Gibbs, alteramos o valor de uma variável (ou bloco de …

8 mcmc  gibbs  importance-sampling 

Seja a distribuição de destino em que é absolutamente continuamente escrita na medida de Lebesgue dimensional, ou seja:ππ\pi(Rd,B(Rd))(Rd,B(Rd))(\mathbb{R}^d,\mathcal{B}(\mathbb{R^d}))ddd ππ\pi admite uma densidade em com π(x1,...,xd)π(x1,...,xd)\pi(x_1,...,x_d)λdλd\lambda^dλd(dx1,...,dxd)=λ(dx1)⋅⋅⋅λ(dxd)λd(dx1,...,dxd)=λ(dx1)⋅⋅⋅λ(dxd)\lambda^d(dx_1,...,dx_d) = \lambda(dx_1) \cdot \cdot \cdot \lambda (dx_d) Vamos supor que os condicionais completos de sejam conhecidos. Portanto, o núcleo de transição do Gibbs-Sampler é claramente …

8 bayesian  conditional-probability  markov-process  gibbs  integral 

Quero estimar parâmetros dos modelos de mistura de Dirichlet usando a amostra de Gibbs e tenho algumas perguntas sobre isso: Uma mistura de distribuições de Dirichlet é equivalente a um processo de Dirichlet? Quais são as principais diferenças, se não? Além disso, se eu quiser estimar os parâmetros de uma …

8 bayesian  estimation  gibbs  dirichlet-distribution