Perguntas com a marcação «monte-carlo»

Estou tentando entender o trabalho interno do Hamiltoniano Monte Carlo (HMC), mas não consigo entender completamente a parte quando substituímos a integração determinística do tempo por uma proposta de Metropolis-Hasting. Estou lendo o impressionante artigo introdutório Uma Introdução Conceitual ao Hamiltoniano Monte Carlo de Michael Betancourt, por isso seguirei a …

9 mcmc  monte-carlo  hmc 

Suponha que desejemos calcular alguma expectativa: EYEX| Y[ f( X, Y) ]EYEX|Y[f(X,Y)]E_YE_{X|Y}[f(X,Y)] Suponha que queremos aproximar isso usando a simulação de Monte Carlo. EYEX| Y[ f( X, Y) ] ≈ 1R S∑r = 1R∑s = 1Sf( xr , s, yr)EYEX|Y[f(X,Y)]≈1RS∑r=1R∑s=1Sf(xr,s,yr)E_YE_{X|Y}[f(X,Y)] \approx \frac1{RS}\sum_{r=1}^R\sum_{s=1}^Sf(x^{r,s},y^r) Mas suponhamos que é caro para extrair amostras …

9 optimization  conditional-probability  simulation  expected-value  monte-carlo 

Eu nunca tive um curso formal de estatística, mas devido à minha linha de pesquisa, estou constantemente encontrando artigos que aplicam vários conceitos estatísticos. Muitas vezes, vejo uma descrição de um processo de Monte Carlo aplicado a uma determinada situação e, pelo que consigo reunir 9 em 10 vezes, tudo …

9 monte-carlo  random-generation 

Cadeia de Markov Monte Carlo é um método baseado em cadeias de Markov que nos permite obter amostras (em um cenário de Monte Carlo) de distribuições não padronizadas das quais não podemos extrair amostras diretamente. Minha pergunta é por que a cadeia de Markov é "avançada" na amostragem de Monte …

9 sampling  mcmc  monte-carlo  markov-chain  stochastic-approximation 

Gostaria de entender o uso da simulação de Monte Carlo na chisq.test()função em R. Eu tenho uma variável qualitativa que tem 128 níveis / classes. O tamanho da minha amostra é 26 (não pude provar mais "indivíduos"). Então, obviamente, terei alguns níveis com 0 "indivíduos". Mas o fato é que …

9 r  chi-squared  monte-carlo 

Espero que este seja o lugar certo para perguntar, se não estiver à vontade para movê-lo para um fórum mais apropriado. Há algum tempo que me pergunto como tratar funções integráveis ​​não quadradas com a Integração Monte Carlo. Eu sei que o MC ainda fornece uma estimativa adequada, mas o …

9 monte-carlo  numerical-integration 

Estou tentando calcular a probabilidade marginal de um modelo estatístico pelos métodos de Monte Carlo: f( x ) = ∫f( x ∣ θ ) π( θ )dθf(x)=∫f(x∣θ)π(θ)dθf(x) = \int f(x\mid\theta) \pi(\theta)\, d\theta A probabilidade é bem comportada - suave, côncava -, mas de alta dimensão. Eu tentei amostragem de importância, …

9 monte-carlo  likelihood  marginal 

Tentei simular a partir de uma densidade bivariada usando algoritmos Metropolis em R e não tive sorte. A densidade pode ser expressa como p ( y | x ) p ( x ) , onde p ( x ) é a distribuição de Singh-Maddalap ( x , y)p(x,y)p(x,y)p ( y| …

9 sampling  monte-carlo  metropolis-hastings 

Estou bastante certo de que entendo como a integração de Monte Carlo funciona, mas não estou entendendo a formulação de como é usada para estimar o Pi. Estou seguindo o procedimento descrito no quinto slide desta apresentação http://homepages.inf.ed.ac.uk/imurray2/teaching/09mlss/slides.pdf Eu entendo as etapas preliminares. Pi é igual a 4 vezes a …

9 monte-carlo  indicator-function 

Atualmente, estou estimando um modelo de volatilidade estocástica com os métodos Monte Carlo da Cadeia de Markov. Assim, estou implementando os métodos de amostragem de Gibbs e Metropolis. Supondo que eu considere a média da distribuição posterior, e não uma amostra aleatória, é isso que é comumente chamado de Rao-Blackwellization …

9 mcmc  monte-carlo  gibbs  point-estimation  rao-blackwell 

Estou fazendo um curso sobre métodos de Monte Carlo e aprendemos o método Rejection Sampling (ou Accept-Reject Sampling) na última aula. Existem muitos recursos na web que mostram a prova desse método, mas de alguma forma não estou convencido com eles. Portanto, no Rejection Sampling, temos uma distribuição qual é …

9 sampling  monte-carlo  rejection-sampling 

Pelo que li Monte Carlo Hamiltoniano, é o MCMCmétodo "ir" quando o seu problema é de alta dimensão. Na prática, quantas dimensões 10, 100, 1.000, 10.000, 100.000, são demais? O custo computacional, sem dúvida, se tornará um problema e suponho que o modelo usado seja importante a considerar, mas essas …

9 autocorrelation  mcmc  monte-carlo  dimensionality-reduction 

Estou vendo como a distância euclidiana mínima esperada entre pontos aleatoriamente uniformes e a origem muda à medida que aumentamos a densidade de pontos aleatórios ( pontos por unidade quadrada ) ao redor da origem. Eu consegui chegar a um relacionamento entre os dois descritos como tal: Distância mínima esperada …

8 r  expected-value  monte-carlo  uniform  minimum 

Estou lendo um artigo introdutório impressionante do HMC, do Prof. Michael Betancourt, mas fiquei preso ao entendimento de como podemos escolher a distribuição do momento. Sumário A idéia básica do HMC é introduzir uma variável de momento em conjunto com a variável de destino q . Eles formam conjuntamente um …

8 mcmc  monte-carlo  hmc 

Algum de nossos especialistas em Monte Carlo pode explicar a expectativa "inesperada" ao final desta resposta ? Resumo ex post facto da outra pergunta / resposta: se são variáveis ​​aleatórias do IID e as expectativas existem, então um argumento simples de simetria mostra que , mas um experimento de Monte …

8 probability  simulation  expected-value  monte-carlo