Perguntas com a marcação «metropolis-hastings»

Eu tenho tentado aprender métodos do MCMC e me deparei com amostragens de Metropolis Hastings, Gibbs, Importance e Rejection. Embora algumas dessas diferenças sejam óbvias, ou seja, como Gibbs é um caso especial de Metropolis Hastings quando temos todos os condicionais, outras são menos óbvias, como quando queremos usar MH …

36 mcmc  monte-carlo  gibbs  metropolis-hastings  importance-sampling 

Quando estou codificando uma simulação de Monte Carlo para algum problema, e o modelo é bastante simples, utilizo uma amostra básica de Gibbs do livro didático. Quando não é possível usar a amostra de Gibbs, codifico o livro Metropolis-Hastings que aprendi anos atrás. O único pensamento que dou é escolher …

21 bayesian  mcmc  gibbs  metropolis-hastings 

Estou lendo sobre o MCMC adaptável (veja, por exemplo, o Capítulo 4 do Manual da Cadeia de Markov Monte Carlo , ed. Brooks et al., 2011; e também Andrieu & Thoms, 2008 ). O principal resultado de Roberts e Rosenthal (2007) é que, se o esquema de adaptação satisfizer a …

20 simulation  mcmc  random-generation  metropolis-hastings 

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 …

20 bayesian  sampling  mcmc  gibbs  metropolis-hastings 

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 …

20 mcmc  metropolis-hastings 

Existem diferentes tipos de algoritmos MCMC: Metropolis-Hastings Gibbs Amostragem de importância / rejeição (relacionada). Por que alguém usaria a amostragem de Gibbs em vez de Metropolis-Hastings? Suspeito que há casos em que a inferência é mais tratável com a amostragem de Gibbs do que com Metropolis-Hastings, mas não estou claro …

20 bayesian  simulation  mcmc  gibbs  metropolis-hastings 

Suponha que eu tenho uma função g(x)g(x)g(x) que desejo integrar ∫∞−∞g(x)dx.∫−∞∞g(x)dx. \int_{-\infty}^\infty g(x) dx. Obviamente, assumindo que g(x)g(x)g(x) chega a zero nos pontos finais, sem explosões, boa função. Uma maneira com a qual estou brincando é usar o algoritmo Metropolis-Hastings para gerar uma lista de amostras x1,x2,…,xnx1,x2,…,xnx_1, x_2, \dots, x_n …

16 simulation  monte-carlo  metropolis-hastings  numerical-integration 

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 …

16 mcmc  convergence  gibbs  metropolis-hastings  stan 

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 

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 

Eu tenho tentado entender o algoritmo Metropolis-Hastings para escrever um código para estimar os parâmetros de um modelo (ou seja, ). Segundo a bibliografia, o algoritmo Metropolis-Hastings possui as seguintes etapas:f( x ) = a ∗ xf(x)=uma∗xf(x)=a*x Gere Yt∼ q( y| xt)Yt∼q(y|xt)Y_t \sim q(y|x^t) Xt + 1= { Yt,xt,com probabilidadeρ …

13 mcmc  metropolis-hastings 

Nos últimos dias, tenho tentado entender como o Markov Chain Monte Carlo (MCMC) funciona. Em particular, tenho tentado entender e implementar o algoritmo Metropolis-Hastings. Até agora, acho que tenho uma compreensão geral do algoritmo, mas há algumas coisas que ainda não estão claras para mim. Eu quero usar o MCMC …

13 mcmc  metropolis-hastings 

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 

Eu preciso fazer uma simulação para avaliar uma integral de uma função de 3 parâmetros, dizemos , que tem uma fórmula muito complicada. É solicitado o uso do método MCMC para computá-lo e implementar o algoritmo Metropolis-Hastings para gerar os valores distribuídos como , e foi sugerido o uso de …

11 mcmc  metropolis-hastings 

Me deparei com o seguinte problema de simulação: dado um conjunto de números reais conhecidos, uma distribuição em é definida por onde indica a parte positiva de . Embora eu possa pensar em um amostrador Metropolis-Hastings visando essa distribuição, pergunto-me se existe um amostrador direto eficiente, aproveitando o grande número …

9 simulation  algorithms  random-generation  computational-statistics  metropolis-hastings