Estatísticas e Big Data mcmc

2

De onde vêm os condicionais completos na amostragem de Gibbs?

Algoritmos MCMC como Metropolis-Hastings e Gibbs são formas de amostragem das distribuições posteriores da articulação. Eu acho que entendo e posso implementar as pessoas que vivem nas metrópoles com bastante facilidade - você simplesmente escolhe os pontos de partida de alguma forma e 'percorre o espaço dos parâmetros' aleatoriamente, guiado …

15 bayesian mcmc gibbs

2

Existe um método padrão para lidar com o problema de troca de etiquetas na estimativa MCMC de modelos de mistura?

A troca de etiquetas (ou seja, a distribuição posterior é invariável à troca de etiquetas de componentes) é um problema problemático ao usar o MCMC para estimar modelos de mistura. Existe uma metodologia padrão (como amplamente aceita) para lidar com o problema? Se não houver uma abordagem padrão, quais são …

15 bayesian mcmc mixture

2

Qual é a conexão entre a cadeia de Markov e a cadeia de Markov monte carlo

Estou tentando entender as cadeias de Markov usando SAS. Entendo que um processo de Markov é aquele em que o estado futuro depende apenas do estado atual e não do estado passado e existe uma matriz de transição que captura a probabilidade de transição de um estado para outro. Mas …

15 probability simulation mcmc monte-carlo markov-process

2

Confuso com as variações do MCMC Metropolis-Hastings: Passeio aleatório, Passeio não aleatório, Independente, Metropolis

Nas últimas semanas, tenho tentado entender o MCMC e o (s) algoritmo (s) Metropolis-Hastings. Toda vez que acho que entendo, percebo que estou errado. A maioria dos exemplos de código que eu acho on-line implementa algo que não é consistente com a descrição. ie: Eles dizem que implementam Metropolis-Hastings, mas …

15 mcmc metropolis-hastings

2

Hamiltoniano monte carlo

Alguém pode explicar a principal idéia por trás dos métodos Hamiltonianos de Monte Carlo e em quais casos eles produzirão melhores resultados do que os métodos de Markov Chain Monte Carlo?

14 bayesian mcmc hmc

2

Benchmarks de desempenho para o MCMC

Houve estudos em larga escala dos métodos MCMC que comparam o desempenho de vários algoritmos diferentes em um conjunto de densidades de teste? Estou pensando em algo equivalente ao artigo de Rios e Sahinidis (2013), que é uma comparação completa de um grande número de otimizadores de caixa preta sem …

14 machine-learning bayesian references mcmc

2

Dirichlet Processos para agrupamento: como lidar com rótulos?

P: Qual é a maneira padrão de agrupar dados usando um Processo Dirichlet? Ao usar Gibbs, os clusters de amostragem aparecem e desaparecem durante a amostragem. Além disso, temos um problema de identificabilidade, uma vez que a distribuição posterior é invariável às remarcações de cluster. Portanto, não podemos dizer qual …

14 bayesian clustering mcmc dirichlet-process identifiability

1

Diagnóstico de convergência de Gelman e Rubin, como generalizar para trabalhar com vetores?

O diagnóstico Gelman e Rubin é usado para verificar a convergência de várias cadeias mcmc executadas em paralelo. Ele compara a variação dentro da cadeia com a variação entre as cadeias, a exposição é abaixo: Etapas (para cada parâmetro): Execute m ≥ 2 cadeias de comprimento 2n a partir dos …

14 mcmc convergence covariance-matrix

4

Um exemplo prático para o MCMC

Eu estava passando por algumas palestras relacionadas ao MCMC. No entanto, não encontro um bom exemplo de como é usado. Alguém pode me dar um exemplo concreto. Tudo o que vejo é que eles administram uma cadeia de Markov e dizem que sua distribuição estacionária é a distribuição desejada. Quero …

14 probability bayesian mcmc markov-process

2

Diagnóstico MCMC Geweke

Estou executando um amostrador Metropolis (C ++) e quero usar os exemplos anteriores para estimar a taxa de convergência. Um diagnóstico fácil de implementar que encontrei é o diagnóstico Geweke , que calcula a diferença entre as duas médias da amostra divididas pelo erro padrão estimado. O erro padrão é …

14 mcmc diagnostic

4

Posso alterar a distribuição da proposta no MH MCMC de maneira aleatória sem afetar o Markovianity?

Passeio aleatório Metropolis-Hasitings com proposta simétrica tem a propriedade de que a probabilidade de aceitaçãoq( x | y) = g( | y- x |)q(x|y)=g(|y-x|)q(x|y)= g(|y-x|) P( Um c c e p t y ) = min { 1 , f( y) / f( x ) }P(umaccept y)=min{1,f(y)/f(x)}P(accept\ y) = \min\{1, …

14 mcmc metropolis-hastings

5

Código MCMC de salto reversível (Matlab ou R)

Alguém sabe de algum código bem escrito (em Matlab ou R) para MCMC de salto reversível? De preferência, um aplicativo de demonstração simples para complementar os trabalhos sobre o assunto, que seria útil para entender o processo.

14 r matlab references mcmc

2

Parâmetros sem priores definidos em Stan

Eu apenas comecei a aprender a usar Stan e rstan. A menos que eu sempre tenha ficado confuso sobre como o JAGS / BUGS funcionou, pensei que você sempre tivesse que definir uma distribuição anterior de algum tipo para cada parâmetro no modelo a ser extraído. Parece que você não …

14 mcmc prior jags graphical-model stan

3

Bons resumos (resenhas, livros) sobre várias aplicações da cadeia de Markov Monte Carlo (MCMC)?

Existem bons resumos (resenhas, livros) sobre várias aplicações da cadeia de Markov Monte Carlo (MCMC)? Vi Markov Chain Monte Carlo na prática , mas esses livros parecem um pouco antigos. Existem mais livros de atualização sobre várias aplicações do MCMC em áreas como aprendizado de máquina, visão computacional e biologia …

14 machine-learning mcmc inference references application

4

Os métodos baseados no MCMC são apropriados quando a estimativa máxima a posteriori está disponível?

Tenho notado que, em muitas aplicações práticas, os métodos baseados no MCMC são usados para estimar um parâmetro, mesmo que o posterior seja analítico (por exemplo, porque os anteriores eram conjugados). Para mim, faz mais sentido usar estimadores MAP em vez de estimadores baseados no MCMC. Alguém poderia apontar por …

13 bayesian mcmc posterior

Perguntas com a marcação «mcmc»