«mcmc» etiketlenmiş sorular

Markov Zinciri Monte Carlo (MCMC), sabit dağılımı hedef dağılımı olan bir Markov Zincirinden rastgele sayılar üreterek hedef dağılımından numune üretmeye yönelik bir yöntem sınıfını ifade eder. MCMC yöntemleri tipik olarak rasgele sayı üretimi için daha doğrudan yöntemler (örneğin, ters çevirme yöntemi) mümkün olmadığında kullanılır. İlk MCMC yöntemi, daha sonra Metropolis-Hastings algoritmasında değiştirilen Metropolis algoritmasıydı.

2
Genel MH-MCMC'ye karşı Gibbs örneklemesi
Gibbs örnekleme ve Metropolis Hastings algoritması hakkında biraz okuma yapıyorum ve birkaç sorum var. Anladığım kadarıyla, Gibbs örneklemesi durumunda, büyük bir çok değişkenli problemimiz varsa, koşullu dağıtımdan örnek alıyoruz, yani bir değişkeni örneklerken, diğerlerini sabit tutarken MH'de tam eklem dağılımından örnek alıyoruz. Belgenin söylediği bir şey, önerilen örneğin Gibbs Sampling'de …
4
Uygulamada kullanılan Metropolis-Hastings algoritmaları
Bugün Christian Robert'ın Blogunu okuyordum ve tartıştığı yeni Metropolis-Hastings algoritmasını çok beğendim. Uygulaması basit ve kolay görünüyordu. MCMC'yi her kodladığımda, günlük hareketlerinde bağımsız hareketler veya rastgele yürüyüşler gibi çok temel MH algoritmalarına bağlı kalmaya eğilimliyim. İnsanlar rutin olarak hangi MH algoritmalarını kullanıyor? Özellikle: Onları neden kullanıyorsun? Bir anlamda optimal olduklarını …
4
Uç durumlarda hassaslık ve geri çağırma için doğru değerler nelerdir?
Hassasiyet şu şekilde tanımlanır: p = true positives / (true positives + false positives) Gibi, bu doğru mu true positivesve false positiveshassas 1 yaklaşır yaklaşım 0? Hatırlama için aynı soru: r = true positives / (true positives + false negatives) Şu anda bu değerleri hesaplamam gereken bir istatistiksel test uyguluyorum …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 
1
Ayrık parametreler için hangi MCMC algoritmaları / teknikleri kullanılır?
Sürekli parametrelerin özellikle degrade tabanlı yöntemlerin takılması hakkında adil bir miktar biliyorum, ancak ayrık parametrelerin takılması hakkında fazla bir şey bilmiyorum. Ayrık parametreleri takmak için yaygın olarak kullanılan MCMC algoritmaları / teknikleri nelerdir? Hem oldukça genel hem de oldukça güçlü algoritmalar var mı? Boyutsallığın laneti ile ilgilenen algoritmalar var mı? …
19 bayesian  mcmc 
2
MCMC ne zaman sıradan hale geldi?
MCMC'nin hangi yıl olağan hale geldiğini bilen var mı (yani Bayesci çıkarım için popüler bir yöntem)? Zaman içinde yayınlanan MCMC (dergi) makalelerinin sayısına bir bağlantı özellikle yararlı olacaktır.
19 bayesian  mcmc  history 
2
Posterior dağılımı zaten biliyorsak neden posterior dağılımdan numune almak gerekir?
Anladığım kadarıyla parametre değerlerini tahmin etmek için Bayesci bir yaklaşım kullanırken: Posterior dağılım önceki dağılım ve olasılık dağılımının kombinasyonudur. Bunu posterior dağılımdan bir örnek oluşturarak simüle ediyoruz (örneğin, değerleri oluşturmak için bir Metropolis-Hasting algoritması kullanarak ve posterior dağılıma ait olma olasılığının belirli bir eşiğinin üzerindeyse bunları kabul ediyoruz). Bu örneği …
3
MCMC hafızasız mı?
Markov zinciri Monte Carlo'nun (MCMC) Fransız Wikipedia sayfasından ne olduğunu anlamaya çalışıyorum. Derler "Monte Carlo yöntemleri bir vektörün üretilmesi oluşur Markov zinciri olduğu xixix_ {i} yalnızca vektör verilerinden xi−1xi−1x_ {i-1} " 'bellek olmadan bu nedenle bir süreçtir' Markov uygun bir générer un de les yöntemleriyle de Monte-Carlo par chaînes vecteur …
18 mcmc 
1
Sınırlı bir parametre alanında MCMC?
MCMC'yi bir soruna uygulamaya çalışıyorum, ancak önceliklerim (benim durumumda α∈[0,1],β∈[0,1]α∈[0,1],β∈[0,1]\alpha\in[0,1],\beta\in[0,1] ) bir alanla sınırlı mı? Normal MCMC kullanabilir ve kısıtlı bölgenin dışında kalan örnekleri yok sayabilir miyim (bu durumda [0,1] ^ 2), yani yeni geçiş kısıtlı (kısıtlı) alanın dışına çıktığında geçiş işlevini yeniden kullanabilir miyim?
1
Gibbs Sampling algoritması ayrıntılı dengeyi garanti ediyor mu?
Üst düzey yetki 1'de Gibbs Sampling'in Markov Zinciri Monte Carlo örneklemesi için Metropolis-Hastings algoritmasının özel bir örneği olduğunu düşünüyorum. MH algoritması her zaman ayrıntılı denge özelliği ile bir geçiş olasılığı sağlar; Gibbs'ın da olmasını bekliyorum. Peki aşağıdaki basit durumda nerede yanlış yaptım? İki ayrık (basitlik için) değişken üzerinde hedef dağılım …
17 mcmc  gibbs 
2
MCMC'ye basın ve çalıştırın
Vur ve çalıştır MCMC algoritmasını uygulamaya çalışıyorum, ancak bunun hakkında nasıl gideceğimizi anlamakta biraz sorun yaşıyorum. Genel fikir şöyledir: MH'de teklif atlama oluşturmak için: Birim küresinin yüzeyindeki bir dağılımdan yönü oluşturundddÖÖ\mathcal{O} Kısıtlı alan boyunca işaretli bir mesafe oluşturun .λλ\lambda Ancak, bunu R (veya başka bir dilde) uygulamaya nasıl devam etmem …
16 r  bayesian  mcmc 
1
Stan
Buradan indirilebilen Stan belgelerini inceliyordum . Özellikle Gelman-Rubin teşhisini uygulamalarıyla ilgileniyordum. Orijinal Gelman ve Rubin kağıdı (1992) potansiyel ölçek azaltma faktörünü (PSRF) aşağıdaki gibi tanımlar: Let Xi,1,…,Xi,NXi,1,…,Xi,NX_{i,1}, \dots , X_{i,N} olduğu iii örneklenmiş inci Markov zinciri, ve genel olarak söz konusu olsun MMM örneklenmiş bağımsız zincirleri. Let X¯i⋅X¯i⋅\bar{X}_{i\cdot} ortalama olarak …
2
ABC ve MCMC'nin uygulamalarında farkı nedir?
Anladığım kadarıyla, Yaklaşık Bayessel Hesaplama (ABC) ve Markov Zinciri Monte Carlo'nun (MCMC) çok benzer amaçları var. Aşağıda bu yöntemleri ve bunların gerçek hayat verilerine uygulanmasındaki farklılıkları nasıl algıladığımı anlıyorum. Yaklaşık Bayes Hesaplaması ABC parametre örnekleme de oluşur θθ\theta yoluyla, bir önceki sayısal simülasyon işlem bir istatistik xixix_i bazı gözlenen ile …
2
Uygunsuz Dağıtımdan Örnekleme (MCMC kullanarak ve başka şekilde)
Temel sorum şu: Yanlış bir dağıtımdan nasıl örnek alırdınız? Uygun olmayan bir dağılımdan numune almak bile mantıklı mı? Xi'an'ın buradaki yorumu soruya cevap veriyor, ancak bu konuda daha fazla ayrıntı arıyordum. MCMC'ye daha spesifik: MCMC hakkında konuşurken ve makaleleri okurken, yazarlar uygun posterior dağılımlar elde ettikleri üzerinde dururlar. Yazarın posteriorun …
2
BSTS modelinden (R cinsinden) tahminler tamamen başarısız oluyor
Bayes yapısal zaman serisi modelleri hakkındaki bu blog yazısını okuduktan sonra , bunu daha önce ARIMA için kullandığım bir sorun bağlamında uygulamaya bakmak istedim. Bilinen bazı (ancak gürültülü) mevsimsel bileşenlerle ilgili bazı verilerim var - bunun kesinlikle yıllık, aylık ve haftalık bileşenleri ve ayrıca özel günlerden (federal veya dini bayramlar …
15 r  time-series  bayesian  mcmc  bsts 
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.