Perguntas com a marcação «simulation»

Qual seria a melhor maneira de colher amostras da distribuição Cantor ? Ele só tem cdf e não podemos invertê-lo.

19 distributions  simulation  random-generation 

Meu entendimento é que, ao usar uma abordagem bayesiana para estimar valores de parâmetros: A distribuição posterior é a combinação da distribuição anterior e da distribuição de probabilidade. Simulamos isso gerando uma amostra da distribuição posterior (por exemplo, usando um algoritmo Metropolis-Hasting para gerar valores, e os aceitamos se estiverem …

19 bayesian  inference  simulation  mcmc  posterior 

Estou na 10ª série e pretendo simular dados para um projeto de feira de ciências de aprendizado de máquina. O modelo final será usado nos dados do paciente e preverá a correlação entre determinados horários da semana e o efeito que isso tem na adesão ao medicamento nos dados de …

18 machine-learning  statistical-significance  t-test  python  simulation 

Alguns de vocês podem ter lido este belo artigo: O'Hara RB, Kotze DJ (2010) Não transforme dados de contagem de transformações. Métodos em Ecologia e Evolução 1: 118–122. Klick . No meu campo de pesquisa (ecotoxicologia), estamos lidando com experimentos mal replicados e os GLMs não são amplamente utilizados. Então, …

18 r  generalized-linear-model  simulation  negative-binomial  type-i-and-ii-errors 

Eu tenho dados de séries temporais e usei um como modelo para ajustar os dados. O é uma variável aleatória do indicador que é 0 (quando não vejo um evento raro) ou 1 (quando vejo o evento raro). Com base em observações anteriores que tenho sobre o , posso desenvolver …

18 time-series  forecasting  simulation 

Essa pergunta de validação cruzada que pergunta sobre simular uma amostra condicional a uma soma fixa me lembrava de um problema que George Casella me colocou . f(x|θ)f(x|θ)f(x|\theta)(X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n)θθ\thetaθ(X1,...,Xn) θ (X1,...,Xn)θ^(x1,…,xn)=argmin∑i=1nlogf(xi|θ)θ^(x1,…,xn)=arg⁡min∑i=1nlog⁡f(xi|θ)\hat{\theta}(x_1,\ldots,x_n)=\arg\min \sum_{i=1}^n \log f(x_i|\theta)θθ\theta(X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n)θ^(X1,…,Xn)θ^(X1,…,Xn)\hat{\theta}(X_1,\ldots,X_n) Por exemplo, considere uma distribuição , com o parâmetro de localização , cuja densidade é Se como …

17 maximum-likelihood  conditional-probability  random-variable  simulation  t-distribution 

Preciso gerar números aleatórios seguindo a distribuição Normal dentro do intervalo . (Eu estou trabalhando na R.)(a,b)(a,b)(a,b) Eu sei que a função rnorm(n,mean,sd)irá gerar números aleatórios após a distribuição normal, mas como definir os limites de intervalo dentro disso? Existe alguma função R específica disponível para isso?

17 r  normal-distribution  matlab  simulation  random-generation 

Realizei uma avaliação baseada em computador de diferentes métodos de ajuste de um tipo específico de modelo usado nas ciências paleo. Eu tinha um conjunto de treinamento amplo e, por isso, aleatoriamente (amostragem aleatória estratificada), anotei um conjunto de testes. Ajustei métodos diferentes às amostras do conjunto de treinamento e, …

17 r  mixed-model  multiple-comparisons  simulation  independence 

Ouvi dizer que, sob a hipótese nula, a distribuição do valor-p deve ser uniforme. No entanto, simulações de teste binomial no MATLAB retornam distribuições muito diferentes de uniformes com média maior que 0,5 (neste caso, 0,518): coin = [0 1]; success_vec = nan(20000,1); for i = 1:20000 success = 0; …

17 matlab  p-value  binomial  simulation  uniform 

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 

A computação bayesiana aproximada é uma técnica muito interessante para ajustar basicamente qualquer modelo estocástico, destinado a modelos em que a probabilidade é intratável (por exemplo, você pode fazer uma amostra do modelo se fixar os parâmetros, mas não puder calcular numericamente, algoritmicamente ou analiticamente ). Ao introduzir a computação …

16 bayesian  simulation  model  likelihood  abc 

Suponha que eu tenha duas distribuições marginais univariadas, digamos e , das quais eu possa simular. Agora, construa sua distribuição conjunta usando uma cópula gaussiana , denominada . Todos os parâmetros são conhecidos.FFFGGGC(F,G;Σ)C(F,G;Σ)C(F,G;\Sigma) Existe um método não MCMC para simular a partir desta cópula?

16 normal-distribution  simulation  copula 

Simulação de novo de dados a partir de um quadro de dados de projeto experimental. Com foco em R (embora outra solução de idioma seja ótima). Ao projetar um experimento ou uma pesquisa, a simulação de dados e a realização de uma análise desses dados simulados podem fornecer informações excelentes …

16 r  experiment-design  simulation 

Para simular uma distribuição normal a partir de um conjunto de variáveis ​​uniformes, existem várias técnicas: O algoritmo de Box-Muller , no qual se amostram duas variáveis ​​uniformes independentes em e as transforma em duas distribuições normais padrão independentes via: Z 0 = √(0,1)(0,1)(0,1)Z0=−2lnU1−−−−−−√cos(2πU0)Z1=−2lnU1−−−−−−√sin(2πU0)Z0=−2lnU1cos(2πU0)Z1=−2lnU1sin(2πU0) Z_0 = \sqrt{-2\text{ln}U_1}\text{cos}(2\pi U_0)\\ Z_1 = …

15 normal-distribution  simulation  uniform 

Recentemente, comprei um recurso de entrevista em ciência de dados no qual uma das perguntas de probabilidade era a seguinte: Dados os desenhos de uma distribuição normal com parâmetros conhecidos, como você pode simular os desenhos de uma distribuição uniforme? Meu processo de pensamento original era que, para uma variável …

15 self-study  normal-distribution  simulation  uniform