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.

3
Existe uma técnica padrão para depurar programas MCMC?
A depuração de programas MCMC é notoriamente difícil. A dificuldade surge devido a vários problemas, alguns dos quais são: a) Natureza cíclica do algoritmo Iterativamente, desenhamos parâmetros condicionais para todos os outros parâmetros. Portanto, se uma implementação não estiver funcionando corretamente, é difícil isolar o bug, pois o problema pode …
11 mcmc 
1
R / mgcv: Por que os produtos tensores te () e ti () produzem superfícies diferentes?
O mgcvpacote para Rpossui duas funções para ajustar as interações do produto tensorial: te()e ti(). Entendo a divisão básica do trabalho entre os dois (ajustando uma interação não linear versus decompondo essa interação em efeitos principais e uma interação). O que não entendo é o porquê te(x1, x2)e ti(x1) + …
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
Algoritmo Metropolis Hastings
Eu preciso estudar os métodos Monte Carlo da Cadeia de Markov, para ser mais específico, eu preciso estudar o algoritmo Metropolis Hastings e tudo sobre ele como critérios de convergência. Quem pode me prescrever um livro, um artigo ou um site que explique esse argumento usando termos simples, mas sem …
11 references  mcmc 
2
Distribuição da proposta para uma distribuição normal generalizada
Estou modelando a dispersão da planta usando uma distribuição normal generalizada ( entrada da Wikipedia ), que tem a função de densidade de probabilidade: b2aΓ(1/b)e−(da)bb2aΓ(1/b)e−(da)b \frac{b}{2a\Gamma(1/b)} e^{-(\frac{d}{a})^b} onde é a distância percorrida, é um parâmetro de escala é o parâmetro de forma. A distância média percorrida é dada pelo desvio …
1
Existe um amostrador Monte Carlo / MCMC implementado que pode lidar com máximos locais isolados de distribuição posterior?
Atualmente, estou usando uma abordagem bayesiana para estimar parâmetros para um modelo que consiste em vários ODEs. Como tenho 15 parâmetros para estimar, meu espaço de amostragem é tridimensional e minha busca por distribuição posterior parece ter muitos máximos locais muito isolados por grandes regiões de probabilidade muito baixa. Isso …
1
Evitando que a amostragem de importância suavizada de Pareto (PSIS-LOO) falhe
Recentemente, comecei a usar a validação cruzada de amostras de importância suavizada Pareto (PSIS-LOO), descrita nestes documentos: Vehtari, A. e Gelman, A. (2015). Pareto suavizou a amostragem de importância. pré-impressão do arXiv ( link ). Vehtari, A., Gelman, A. e Gabry, J. (2016). Avaliação prática do modelo bayesiano usando validação …
2
Censura / Truncamento no JAGS
Eu tenho uma pergunta sobre como ajustar um problema de censura no JAGS. Observo uma mistura bivariada normal onde os valores X apresentam erro de medição. Eu gostaria de modelar os verdadeiros "meios" subjacentes dos valores censurados observados. ⌈xtrue+ϵ⌉=xobserved ϵ∼N(0,sd=.5)⌈xtrue+ϵ⌉=xobserved ϵ∼N(0,sd=.5)\begin{align*} \lceil x_{true}+\epsilon \rceil = x_{observed} \ \epsilon \sim N(0,sd=.5) …
5
Gere valores multivariados aleatórios a partir de dados empíricos
Estou trabalhando em uma função de Monte Carlo para avaliar vários ativos com retornos parcialmente correlacionados. Atualmente, eu apenas gero uma matriz de covariância e alimento a rmvnorm()função em R. (gera valores aleatórios correlacionados). No entanto, observando as distribuições de retorno de um ativo, ele não é normalmente distribuído. Esta …
10 mcmc  monte-carlo  pdf 
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.