Запитання: За допомогою 10-мірної ланцюга MCMC скажімо, що я готовий надати вам матрицю малюнків: 100 000 ітерацій (рядків) за 10 параметрами (стовпцями), як найкраще я можу визначити задні режими? Я особливо переймаюся кількома режимами.
Фон:Я вважаю себе статистично обґрунтованим статистиком, але коли колега задав мені це питання, мені було соромно, що я не можу підійти з розумною відповіддю. Основна проблема полягає в тому, що можуть з'являтися кілька режимів, але тільки якщо з десяти вимірів враховується щонайменше вісім або більше. Першою моєю думкою було б використовувати оцінку щільності ядра, але пошук через R не виявив нічого перспективного для проблем, що перевищують три виміри. Колега запропонував спеціальну стратегію бінінгу в десяти вимірах і шукав максимум, але я занепокоєний тим, що пропускна здатність може призвести або до значних проблем з обмеженим рівнем, або до недостатньої роздільної здатності розрізнити кілька режимів. З цього приводу я з радістю приймаю пропозиції щодо автоматизованих пропозицій щодо пропускної здатності, посилань на оцінювач щільності 10 ядер чи будь-що інше, про що ви знаєте.
Побоювання:
Ми вважаємо, що розподіл може бути досить перекошеним; отже, ми хочемо ідентифікувати задні режими, а не задні засоби.
Ми стурбовані тим, що може бути кілька задніх режимів.
Якщо можливо, ми вважаємо за краще R-пропозицію. Але будь-який алгоритм буде робити, доки це не неймовірно складно здійснити. Я думаю, я вважаю за краще не застосовувати оцінку щільності Nd ядра з автоматизованим вибором пропускної здатності з нуля.