«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
Karar ağacı alanı ile rastgele orman arasındaki MCMC örneklemesi
Bir rasgele orman topluluğudur karar ağaçları rastgele (ve bazen eğitim verileri torbalama) ile her ağaç oluşturmak için yalnızca belirli özelliklerini seçerek kurdu. Görünüşe göre iyi öğreniyor ve genelleştiriyorlar. Karar ağacı alanından MCMC örneklemesi yapan veya bunları rastgele ormanlarla karşılaştıran var mı? MCMC'yi çalıştırmanın ve tüm örneklenmiş ağaçları kaydetmenin hesaplama açısından …
3
Dinamik doğrusal modelin parametrelerini tahmin etme
Ben 2 bilinmeyen zaman değişken parametreleri (gözlem hatası ve durum hatası varyans ) sahip olduğu aşağıdaki çok basit Dinamik Doğrusal Model uygulamak istiyorum (R ). ϵ 2 tε1tϵt1\epsilon^1_tε2tϵt2\epsilon^2_t Ytθt + 1==θt+ ϵ1tθt+ ϵ2tYt=θt+ϵt1θt+1=θt+ϵt2 \begin{matrix} Y_t & = & \theta_t + \epsilon^1_t\\ \theta_{t+1} & = & \theta_{t}+\epsilon^2_t \end{matrix} Bu parametreleri her …
11 r  mcmc  dlm  particle-filter 
3
MCMC programlarında hata ayıklamak için standart bir teknik var mı?
MCMC programlarında hata ayıklamak çok zordur. Zorluk, bazıları şunlardır: (a) Algoritmanın döngüsel yapısı Parametreleri diğer tüm parametrelere bağlı olarak tekrarlı olarak çiziyoruz. Bu nedenle, bir uygulama düzgün çalışmıyorsa, sorunu yinelemeli örnekleyicinin herhangi bir yerinde olabileceğinden hatayı izole etmek zordur. (b) Doğru cevap mutlaka bilinmemektedir. Yakınsama sağlayıp sağlamadığımızı anlamanın hiçbir yolu …
11 mcmc 
1
R / mgcv: te () ve ti () tensör ürünleri neden farklı yüzeyler üretir?
mgcvİçin paket Rtensör ürün etkileşimleri uydurma için iki işlevi vardır: te()ve ti(). İkisi arasındaki temel işbölümünü anlıyorum (doğrusal olmayan bir etkileşime uymak ve bu etkileşimi ana etkilere ve etkileşime ayırmak). Anlamadığım şey neden te(x1, x2)ve ti(x1) + ti(x2) + ti(x1, x2)(biraz) farklı sonuçlar üretebilir. MWE (uyarlanmıştır ?ti): require(mgcv) test1 <- …
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 
5
Metropolis Hastings algoritması
Markov Zinciri Monte Carlo yöntemlerini incelemeliyim, daha spesifik olmak için Metropolis Hastings algoritmasını ve bununla ilgili yakınsama kriterlerini incelemeliyim. Kim bu argümanı basit terimlerle açıklayan ama önemsiz olmadan anlatan bir kitap, kağıt veya web sitesi yazabilir?
11 references  mcmc 
2
Genelleştirilmiş normal dağılım için teklif dağılımı
Olasılık yoğunluğu fonksiyonuna sahip genelleştirilmiş bir normal dağılım ( wikipedia girişi ) kullanarak bitki dağılımını modelleniyorum : b2aΓ(1/b)e−(da)bb2aΓ(1/b)e−(da)b \frac{b}{2a\Gamma(1/b)} e^{-(\frac{d}{a})^b} burada ddd kat edilen mesafedir, aaa bir ölçek parametresidir ve bbb şekil parametresidir. Ortalama kat edilen mesafe bu dağılımın standart sapması ile verilir: a2Γ(3/b)Γ(1/b)−−−−−−−−√a2Γ(3/b)Γ(1/b) \sqrt{\frac{a^2 \Gamma(3/b)}{\Gamma(1/b)}} Bu uygundur, çünkü b=1b=1b=1 …
1
Posterior dağılımın izole edilmiş yerel maksimumu ile başa çıkabilen bir Monte Carlo / MCMC örnekleyicisi var mı?
Şu anda birkaç ODE oluşan bir model için parametreleri tahmin etmek için bayes bir yaklaşım kullanıyorum. Tahmin etmek için 15 parametrem olduğu için, örnekleme alanım 15 boyutlu ve posterior dağılım için araştırdığım, çok düşük olasılıklı büyük bölgeler tarafından çok izole edilmiş birçok yerel maksimuma sahip gibi görünüyor. Monte Carlo zincirlerimin …
1
Pareto'nun önemini vurgulayan örneklemenin (PSIS-LOO) arızalanmasını önleme
Son zamanlarda Pareto'nun önemini belirten örnekleme bırakma-bir-arada çapraz-doğrulama (PSIS-LOO) kullanmaya başladım: Vehtari, A. ve Gelman, A. (2015). Pareto önem örneklemesini yumuşattı. arXiv ön baskı ( bağlantı ). Vehtari, A., Gelman, A. ve Gabry, J. (2016). Bir defaya mahsus çapraz doğrulama ve WAIC kullanılarak pratik Bayesci model değerlendirmesi. arXiv ön baskı …
1
MCMC'de yüksek otokorelasyonu yönetme
R ve JAGS kullanarak bir meta-analiz için oldukça karmaşık bir hiyerarşik Bayesian modeli oluşturuyorum. Biraz basitleştirmek, modelin iki temel seviyeleri vardır burada olan inci gözlem son nokta (bu durumda, GM vs GM olmayan ekin verimleri) çalışma içinde j , \ alpha_j çalışması için etkisidir j , \ gama ler çeşitli …
2
Yanma sonrası MCMC yinelemeleri yoğunluk tahmini için kullanılabilir mi?
Yakıldıktan sonra, MCMC yinelemelerini doğrudan bir histogram veya çekirdek yoğunluğu tahmini gibi yoğunluk tahmini için kullanabilir miyiz? Benim endişem MCMC yinelemelerinin, en fazla aynı şekilde dağıtılmış olmalarına rağmen, bağımsız olmalarıdır. MCMC tekrarlarına daha fazla inceltme uygularsak ne olur? Benim endişem MCMC yinelemelerinin en fazla ilişkisiz olması ve henüz bağımsız olmamasıdır. …
2
Metropolis-Hastings ve Gibbs Örneklemesi ders kitabı
Metropolis-Hastings ve Gibbs örneklemesinde oldukça iyi bir pratik deneyimim var, ancak bu algoritmaları daha iyi matematiksel olarak anlamak istiyorum. Bu örnekleyicilerin doğruluğunu kanıtlayan bazı iyi ders kitapları veya makaleler nelerdir (daha fazla algoritma da harika olurdu)?
3
Yüksek boyutlu bir işlevin beklenen değerini değerlendirmek için MCMC kullanma
Optimizasyonla ilgili bir araştırma projesi üzerinde çalışıyorum ve yakın zamanda bu ortamda MCMC kullanma fikri vardı. Ne yazık ki, MCMC yöntemlerinde oldukça yeniyim, bu yüzden birkaç sorum vardı. Sorunu tanımlayıp ardından sorularımı sorarak başlayacağım. bir maliyet fonksiyonunun beklenen değerini tahmin burada , yoğunluğuna sahip dimentional rastgele bir değişkendir. .c(ω)c(ω)c(\omega)ω=(ω1,ω2,...ωh)ω=(ω1,ω2,...ωh)\omega = …
2
JAGS'de Sansür / Kesme
JAGS'ta sansür sorununun nasıl çözüleceğiyle ilgili bir sorum var. X değerlerinin ölçüm hatası olduğu normalde iki değişkenli bir karışım gözlemliyorum. Gözlenen sansür değerlerinin gerçek altında yatan 'araçlarını' modellemek istiyorum. ⌈xtrue+ϵ⌉=xobserved ϵ∼N(0,sd=.5)⌈xtrue+ϵ⌉=xobserved ϵ∼N(0,sd=.5)\begin{align*} \lceil x_{true}+\epsilon \rceil = x_{observed} \ \epsilon \sim N(0,sd=.5) \end{align*} İşte şimdi ne var: for (i in 1:n){ …
5
Ampirik verilerden rastgele çok değişkenli değerler üretin
Kısmen ilişkili getirileri olan birkaç varlığa değer vermek için Monte Carlo işlevi üzerinde çalışıyorum. Şu anda, sadece bir kovaryans matrisi üretiyorum ve rmvnorm()R'deki işleve besliyorum. (İlişkili rasgele değerler üretir.) Ancak, bir varlığın getirilerinin dağılımına bakıldığında, normal olarak dağıtılmaz. Bu gerçekten iki bölümden oluşan bir soru: 1) Tek bir PDF veya …
10 mcmc  monte-carlo  pdf 
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.