«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
Negatif olmayan tamsayılarda ayrık dağılımdan nasıl örnek alınır?
Aşağıdaki bağımsız dağıtım var, burada bilinen sabitler:α , βα,β\alpha,\beta p ( x ; α , β) =Beta ( α + 1 , β+ x )Beta ( α , β)için x = 0 , 1 , 2 , ...p(x;α,β)=Beta(α+1,β+x)Beta(α,β)için x=0,1,2,... p(x;\alpha,\beta) = \frac{\text{Beta}(\alpha+1, \beta+x)}{\text{Beta}(\alpha,\beta)} \;\;\;\;\text{for } x = 0,1,2,\dots Bu dağıtımdan …
2
Markov zincir tabanlı örnekleme Monte Carlo örneklemesi için “en iyi” midir? Mevcut alternatif şemalar var mı?
Markov Zinciri Monte Carlo, numuneleri doğrudan çizemediğimiz standart olmayan dağıtımlardan (Monte Carlo ortamında) numune almamıza izin veren Markov zincirlerine dayanan bir yöntemdir. Benim sorum Markov zincirinin Monte Carlo örneklemesi için neden "son teknoloji" olduğudur. Alternatif bir soru, Monte Carlo örneklemesi için kullanılabilecek Markov zincirleri gibi başka yollar var mı? MCMC'nin …
3
Önceden dağıtım için bilgi olmadan Winbugs ve diğer MCMC
Parametre dağılımı hakkında bir fikriniz yoksa ne olur? Hangi yaklaşımı kullanmalıyız? Çoğu zaman, belirli bir değişkenin belirli bir türün varlığı / yokluğu üzerinde herhangi bir etkisi olup olmadığını ve değişkenin değişken önemine göre kabul edilip edilmediğini anlamayı hedefleriz. Bu, çoğu zaman, bir parametrenin olması gereken hızlı dağıtım üzerinde düşünmediğimiz anlamına …
10 r  bayesian  mcmc  bugs  winbugs 
1
R doğrusal regresyon kategorik değişkeni “gizli” değer
Bu sadece birkaç kez karşılaştığım bir örnektir, bu yüzden örnek verilerim yok. R'de doğrusal regresyon modeli çalıştırmak: a.lm = lm(Y ~ x1 + x2) x1sürekli bir değişkendir. x2kategoriktir ve üç değeri vardır, örneğin "Düşük", "Orta" ve "Yüksek". Bununla birlikte, R tarafından verilen çıktı aşağıdaki gibi olacaktır: summary(a.lm) Estimate Std. Error …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
4
Bir 10D MCMC zinciri verildiğinde, R'deki arka modlarını nasıl belirleyebilirim?
Soru: 10 boyutlu bir MCMC zinciri ile, size bir çizim matrisi vermeye hazır olduğumu varsayalım: 10 parametre (sütun) ile 100.000 yineleme (satır), arka modları en iyi nasıl tanımlayabilirim? Özellikle çoklu modlarla ilgileniyorum. Arka fon:Kendimi hesaplamalı olarak anlayışlı bir istatistikçi olarak görüyorum, ancak bir meslektaşım bana bu soruyu sorduğunda, makul bir …
1
Hamiltonian Monte Carlo: Metropolis Hasting önerisi nasıl anlaşılır?
Hamiltonyan Monte Carlo'nun (HMC) iç çalışmasını anlamaya çalışıyorum, ancak deterministik zaman entegrasyonunu bir Metropolis Hasting önerisiyle değiştirdiğimizde tam olarak anlayamıyorum. Michael Betancourt'un Hamiltonian Monte Carlo'ya Kavramsal Giriş adlı müthiş tanıtım belgesini okuyorum , bu yüzden burada kullanılan gösterimi takip edeceğim. Arka fon Markov Zinciri Monte Carlo'nun (MCMC) genel hedefi, bir …
9 mcmc  monte-carlo  hmc 
1
MCMC / EM sınırlamaları? EM üzerinden MCMC?
Şu anda R'den JAGS kullanarak hiyerarşik Bayesian modelleri ve ayrıca Python ( "Hackerlar için Bayesian Yöntemleri" ) kullanarak pymc öğreniyorum . Bu yazıdan biraz sezgi alabilirim : "sanki", bir şekilde bilmek istediğiniz karmaşık dağıtımdan bağımsız örnekler almayı başarmış gibi görünen bir yığın sayı ile sonuçlanacaksınız. " Koşullu olasılığı verebileceğim gibi …
2
Olasılıksal programlama ile anahtar noktası tespiti (pymc)
Şu anda Hackerlar için Olasılıksal Programlama ve Bayesian Yöntemleri "kitabını" okuyorum . Birkaç bölüm okudum ve pymc ile ilk örnek metin mesajları bir cadı noktası tespit oluşan ilk Bölüm üzerinde düşünüyordum. Bu örnekte, anahtarlama noktasının ne zaman gerçekleştiğini gösteren rastgele değişken ile gösterilir . MCMC adımından sonra posterior dağılımı verilir:ττ\tauττ\tau …
2
Gibbs örneklemesi ile ilgili karışıklık
Gibbs örnekleminde her örneğin kabul edildiğini söyleyen bu makaleye rastladım . Biraz kafam karıştı. Kabul ettiği her numune sabit bir dağılıma yakınsa ne olur? Genel olarak Metropolis Algoritması, min (1, p (x *) / p (x)) olarak kabul ediyoruz; burada x *, numune noktasıdır. X * 'nin bizi yoğunluğun yüksek …
4
(etkileşim) Multimodal posterior için MCMC
Ben MCMC kullanarak birbirlerinden özellikle uzak birçok modu olan bir posterior örneklemeye çalışıyorum. Çoğu durumda, bu modlardan sadece birinin aradığım% 95 hpd'yi içerdiği anlaşılıyor. Temperli simulasyona dayalı çözümler uygulamaya çalıştım, ancak uygulamada bir "yakalama menzilinden" diğerine geçmek maliyetli olduğu için tatmin edici sonuçlar vermiyor. Sonuç olarak, farklı başlangıç ​​noktalarından çok …
1
Mevcut çok girişli maksimum entropi sınıflandırıcısından maksimum entropi Markov modeli oluşturma
Bir Maksimum Entropi Markov Modeli (MEMM) kavramı ile ilgileniyorum ve bunu Konuşma Parçası (POS) etiketleyici için kullanmayı düşünüyorum. Şu anda, her bir kelimeyi etiketlemek için geleneksel bir Maksimum Entropi (ME) sınıflandırıcısı kullanıyorum. Bu, önceki iki etiket de dahil olmak üzere bir dizi özellik kullanır. MEMM'ler, Viterbi algoritmasını Markov Zinciri boyunca …
3
Tek tip aday dağılımı olan Metropolis-Hastings için kabul oranları
Metropolis-Hastings algoritmasını tek tip aday dağılımlarla çalıştırırken, kabul oranlarının% 20 civarında olmasının mantığı nedir? Benim düşüncem şudur: true (veya true'ya yakın) parametre değerleri bulunduğunda, aynı tekdüzen aralıktan yeni bir aday parametre değeri kümesi olasılık fonksiyonunun değerini arttıramaz. Bu nedenle, ne kadar çok yineleme yaparsam, almam gereken kabul oranları o kadar …
2
Veriler için ROC eğrisini hesapla
Bu yüzden, Hamming Distance kullanarak biyometrik özellikteki bir kişinin kimliğini doğrulamaya çalıştığım 16 denemem var. Eşik değer 3,5'e ayarlandı. Verilerim aşağıda ve yalnızca deneme 1 Gerçek Olumludur: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 7 0.47 8 0.32 9 0.39 10 0.45 …
9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 
1
Her MCMC yinelemesinde büyük bir veri kümesini alt örnekleyebilir miyim?
Sorun: Büyük bir veri kümesi üzerinde posterior çıkarmak için Gibbs örneklemesi yapmak istiyorum. Ne yazık ki, modelim çok basit değil ve bu nedenle örnekleme çok yavaş. Varyasyonel veya paralel yaklaşımları düşünürdüm, ama o zamana kadar gitmeden önce ... Soru: Her Gibbs yinelemesinde veri kümemden rastgele (değiştirerek) örnek olup olamayacağımı bilmek …
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.