Perguntas com a marcação «monte-carlo»

Estou interessado em determinar o número de padrões significativos provenientes de uma Análise de Componentes Principais (PCA) ou de Função Ortogonal Empírica (EOF). Estou particularmente interessado em aplicar esse método aos dados climáticos. O campo de dados é uma matriz MxN, com M sendo a dimensão do tempo (por exemplo, …

40 r  pca  bootstrap  monte-carlo 

Gostaria de saber se alguém conhece alguma regra geral relativa ao número de amostras de bootstrap que se deve usar, com base nas características dos dados (número de observações, etc.) e / ou nas variáveis ​​incluídas?

40 bootstrap  inference  monte-carlo 

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 

Existe um método de simulação que não seja Monte Carlo? Todos os métodos de simulação envolvem a substituição de números aleatórios na função para encontrar um intervalo de valores para a função. Então, todos os métodos de simulação são essencialmente os métodos de Monte Carlo?

35 monte-carlo 

Estive estudando a simulação de Monte Carlo recentemente e a tenho usado para aproximar constantes como (círculo dentro de um retângulo, área proporcional).ππ\pi No entanto, não consigo pensar em um método correspondente para aproximar o valor de eee [número de Euler] usando a integração de Monte Carlo. Você tem alguma …

35 simulation  monte-carlo  algorithms  random-generation  numerical-integration 

Como posso gerar manualmente um número aleatório a partir de uma determinada distribuição, como por exemplo, 10 realizações da distribuição normal padrão?

30 normal-distribution  simulation  monte-carlo  random-generation  randomness 

Estou tentando aprender vários métodos de validação cruzada, principalmente com a intenção de aplicar a técnicas de análise multivariada supervisionada. Dois que eu encontrei são as técnicas de validação cruzada K-fold e Monte Carlo. Eu li que o K-fold é uma variação de Monte Carlo, mas não tenho certeza de …

29 cross-validation  monte-carlo 

ao integrar uma função ou em simulações complexas, vi que o método de Monte Carlo é amplamente utilizado. Estou me perguntando por que não se gera uma grade de pontos para integrar uma função em vez de desenhar pontos aleatórios. Isso não traria resultados mais exatos?

25 monte-carlo 

Estou tentando aprender um aprendizado reforçado e esse tópico é realmente confuso para mim. Fiz uma introdução às estatísticas, mas simplesmente não conseguia entender esse tópico intuitivamente.

22 variance  simulation  monte-carlo  unbiased-estimator  importance-sampling 

Com base no pouco conhecimento que tenho dos métodos MCMC (cadeia de Markov Monte Carlo), entendo que a amostragem é uma parte crucial da técnica mencionada acima. Os métodos de amostragem mais comumente usados ​​são Hamiltoniano e Metrópole. Existe uma maneira de utilizar o aprendizado de máquina ou mesmo o …

21 machine-learning  mcmc  monte-carlo  markov-process 

Depois de executar a análise de componentes principais (PCA), quero projetar um novo vetor no espaço do PCA (ou seja, encontrar suas coordenadas no sistema de coordenadas do PCA). Eu calculei o PCA na linguagem R usando prcomp. Agora eu devo poder multiplicar meu vetor pela matriz de rotação PCA. …

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

Se f1,…,fkf1,…,fkf_1,\ldots,f_k são densidades conhecidas das quais posso simular, ou seja, para as quais um algoritmo está disponível. e se o produto ∏i=1kfi(x)αiα1,…,αk>0∏i=1kfi(x)αiα1,…,αk>0\prod_{i=1}^k f_i(x)^{\alpha_i}\qquad \alpha_1,\ldots,\alpha_k>0 é integrável, existe uma abordagem genérica para simular a partir dessa densidade de produto usando os simuladores dosfifEuf_i 's?

20 simulation  monte-carlo  geometric-mean  scalability  finite-mixture-model 

Estou tentando aplicar o MCMC em um problema, mas meus anteriores (no meu caso eles são )) estão restritos a uma área? Posso usar o MCMC normal e ignorar as amostras que ficam fora da zona restrita (que no meu caso é [0,1] ^ 2), ou seja, reutilizar a função …

18 sampling  mcmc  monte-carlo  random-walk 

Eu gostaria de gerar amostras da região azul definida aqui: A solução ingênua é usar a amostragem por rejeição no quadrado da unidade, mas isso fornece apenas uma eficiência de (~ 21,4%).1 - π/ 41−π/41-\pi/4 Existe alguma maneira de provar com mais eficiência?

17 probability  sampling  monte-carlo  random-generation 

Meu entendimento do algoritmo é o seguinte: No U-Turn Sampler (NUTS) é um método Hamiltoniano de Monte Carlo. Isso significa que não é um método da cadeia de Markov e, portanto, esse algoritmo evita a parte do passeio aleatório, que geralmente é considerado ineficiente e lento para convergir. Em vez …

17 bayesian  monte-carlo  markov-process