Perguntas com a marcação «mcmc»

Cadeia de Markov Monte Carlo (MCMC) refere-se a uma classe de métodos para gerar amostras a partir de uma distribuição alvo, gerando números aleatórios a partir de uma Cadeia de Markov cuja distribuição estacionária é a distribuição alvo. Os métodos MCMC são normalmente usados ​​quando métodos mais diretos para geração de números aleatórios (por exemplo, método de inversão) são inviáveis. O primeiro método MCMC foi o algoritmo Metropolis, posteriormente modificado para o algoritmo Metropolis-Hastings.

2
Amostragem de Gibbs versus MH-MCMC geral
Acabei de ler sobre a amostragem de Gibbs e o algoritmo Metropolis Hastings e tenho algumas perguntas. Pelo que entendi, no caso da amostragem de Gibbs, se tivermos um grande problema multivariado, coletamos amostras da distribuição condicional, ou seja, amostramos uma variável enquanto mantemos todas as outras fixas, enquanto no …
4
Algoritmos de Metropolis-Hastings usados ​​na prática
Eu estava lendo o Blog de Christian Robert hoje e gostei bastante do novo algoritmo de Metropolis-Hastings que ele estava discutindo. Parecia simples e fácil de implementar. Sempre que codifico o MCMC, costumo seguir algoritmos MH muito básicos, como movimentos independentes ou passeios aleatórios na escala de log. Quais algoritmos …
4
Quais são os valores corretos para precisão e rechamada em casos extremos?
Precisão é definida como: p = true positives / (true positives + false positives) É verdade que, como true positivese false positivesabordagem 0, a precisão se aproxima de 1? Mesma pergunta para recall: r = true positives / (true positives + false negatives) No momento, estou implementando um teste estatístico …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 
1
Quais algoritmos / técnicas do MCMC são usados ​​para parâmetros discretos?
Eu sei bastante sobre o ajuste de parâmetros contínuos, particularmente métodos baseados em gradiente, mas não muito sobre o ajuste de parâmetros discretos. Quais são os algoritmos / técnicas MCMC comumente usados ​​para ajustar parâmetros discretos? Existem algoritmos bastante gerais e bastante poderosos? Existem algoritmos que lidam bem com a …
19 bayesian  mcmc 
2
Por que é necessário colher amostras da distribuição posterior, se já sabemos a distribuição posterior?
Meu entendimento é que, ao usar uma abordagem bayesiana para estimar valores de parâmetros: A distribuição posterior é a combinação da distribuição anterior e da distribuição de probabilidade. Simulamos isso gerando uma amostra da distribuição posterior (por exemplo, usando um algoritmo Metropolis-Hasting para gerar valores, e os aceitamos se estiverem …
3
O MCMC está sem memória?
Estou tentando entender o que a cadeia de Markov Monte Carlo (MCMC) é da página da Wikipedia em francês. Eles dizem "que os métodos de Monte Carlo da cadeia de Markov consistem em gerar um vetor xixix_ {i} apenas a partir dos dados vetoriais xi−1xi−1x_ {i-1} ; portanto, é um …
18 mcmc 
2
Quando o MCMC se tornou comum?
Alguém sabe por que ano o MCMC se tornou comum (isto é, um método popular para a inferência bayesiana)? Um link para o número de artigos publicados no MCMC (diário) ao longo do tempo seria especialmente útil.
18 bayesian  mcmc  history 
1
O algoritmo de Gibbs Sampling garante equilíbrio detalhado?
Tenho como autoridade suprema 1 que Gibbs Sampling é um caso especial do algoritmo Metropolis-Hastings para amostragem de Markov Chain Monte Carlo. O algoritmo MH sempre fornece uma probabilidade de transição com a propriedade detalhada do balanço; Espero que Gibbs também deva. Então, onde, no seguinte caso simples, errei? Para …
17 mcmc  gibbs 
2
Pressione e execute o MCMC
Estou tentando implementar o algoritmo MCMC hit and run, mas estou com um pouco de dificuldade para entender como fazê-lo. A ideia geral é a seguinte: Para gerar um salto de proposta no MH, nós: Gere uma direção partir de uma distribuição na superfície da esfera unitáriadddOO\mathcal{O} Gere uma distância …
16 r  bayesian  mcmc 
1
Stan
Eu estava revisando a documentação do Stan, que pode ser baixada aqui . Eu estava particularmente interessado na implementação do diagnóstico Gelman-Rubin. O artigo original Gelman & Rubin (1992) define o potencial fator de redução de escala (PSRF) da seguinte maneira: Deixe que Xi,1,…,Xi,NXi,1,…,Xi,NX_{i,1}, \dots , X_{i,N} ser o iii …
2
Como o ABC e o MCMC diferem em suas aplicações?
No meu entender, a Computação Bayesiana Aproximada (ABC) e Monte Carlo da Cadeia de Markov (MCMC) têm objetivos muito semelhantes. Abaixo, descrevo minha compreensão desses métodos e como percebo as diferenças em sua aplicação aos dados da vida real. Computação Bayesiana Aproximada ABC consiste em amostrar um parâmetro de um …
Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.