Запитання з тегом «mcmc»

Ланцюг Маркова Монте-Карло (MCMC) відноситься до класу методів генерації вибірок із цільового розподілу шляхом генерації випадкових чисел з ланцюга Маркова, стаціонарне розподіл якого є цільовим розподілом. Методи MCMC, як правило, застосовуються, коли більш прямі методи для генерації випадкових чисел (наприклад, інверсійний метод) є нездійсненними. Першим методом MCMC був алгоритм Metropolis, пізніше модифікований на алгоритм Metropolis-Hastings.

2
Відбір проб Гіббса порівняно із загальним MH-MCMC
Я щойно читав про вибірку Гіббса та алгоритм Metropolis Hastings і маю пару питань. Як я розумію, у випадку вибірки Гіббса, якщо у нас є велика багатоваріантна проблема, ми беремо вибірку з умовного розподілу, тобто вибірки однієї змінної, зберігаючи всі інші фіксованими, тоді як у MH ми робимо вибірку від …
4
Алгоритми Метрополіс-Гастінгса використовуються на практиці
Я читав щоденник Крістіана Роберта сьогодні і мені дуже сподобався новий алгоритм «Метрополіс-Гастінгс», який він обговорював. Це здавалося простим і легким у виконанні. Щоразу, коли я кодую MCMC, я схильний дотримуватися дуже основних алгоритмів MH, таких як незалежні рухи або випадкові прогулянки за шкалою журналу. Які алгоритми МЗ люди звичайно …
4
Які правильні значення для точності та відкликання у кращих випадках?
Точність визначається як: p = true positives / (true positives + false positives) Чи правильно, що як true positivesі false positivesпідхід 0, точність наближається до 1? Те саме запитання для відкликання: r = true positives / (true positives + false negatives) Зараз я впроваджую статистичний тест, де мені потрібно обчислити …
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
Коли можна використовувати вибірку Гіббса замість Metropolis-Hastings?
Існують різні види алгоритмів MCMC: Метрополіс-Гастінгс Гіббс Важливість / відбір вибірки (пов'язаний). Чому можна використовувати вибірку Гіббса замість Metropolis-Hastings? Я підозрюю, що трапляються випадки, коли висновок є більш простежуваним за допомогою відбору проб Гіббса, ніж з "Метрополіс-Гастінгсом", але мені не зрозуміло конкретики.
1
Які алгоритми / методи MCMC використовуються для дискретних параметрів?
Я знаю неабияку кількість пристосування безперервних параметрів, зокрема методів на основі градієнта, але не дуже про пристосування дискретних параметрів. Які зазвичай використовуються алгоритми / методи MCMC для встановлення дискретних параметрів? Чи є алгоритми, які є досить загальними і досить потужними? Чи є алгоритми, які добре справляються з прокляттям розмірності? Наприклад, …
19 bayesian  mcmc 
2
Коли MCMC став звичним?
Хтось знає, в який рік MCMC став звичайним явищем (тобто популярним методом для байєсівського висновку)? Особливо корисним буде посилання на кількість опублікованих статей MCMC (журналу) з часом.
19 bayesian  mcmc  history 
2
Чому потрібно брати вибірку з заднього розподілу, якщо ми вже ЗНАЄМО задній розподіл?
Я розумію, що при використанні байєсівського підходу для оцінки значень параметрів: Задній розподіл - це поєднання попереднього розподілу та розподілу ймовірності. Ми моделюємо це, генеруючи вибірку з заднього розподілу (наприклад, використовуючи алгоритм Metropolis-Hasting для генерації значень, і приймаємо їх, якщо вони перевищують певний поріг ймовірності належати до заднього розподілу). Після …
3
Чи є MCMC без пам'яті?
Я намагаюся зрозуміти, що таке ланцюг Маркова Монте-Карло (MCMC) зі сторінки французької Вікіпедії. Вони кажуть, "що методи Монте-Карло ланцюга Маркова складаються з генерування вектора лише з векторних даних , тому це процес" без пам'яті "".xixix_ {i}xi−1xi−1x_ {i-1} Les méthodes de Monte-Carlo par chaînes de Markov послідовні à générer un vecteur …
18 mcmc 
1
MCMC на обмеженому просторі параметрів?
Я намагаюся застосувати MCMC до задачі, але мої пріори (в моєму випадку вони )) обмежені в області? Чи можу я використовувати звичайний MCMC і ігнорувати зразки, які потрапляють за межі зони обмеження (що в моєму випадку є [0,1] ^ 2), тобто повторно використовувати перехідну функцію, коли новий перехід випадає з …
1
Чи гарантує алгоритм відбору зразків Гіббса детальний баланс?
Я маю на вищому повноваженні 1, що вибірки Гіббса є особливим випадком алгоритму Метрополіс-Гастінгса для вибірки Маркова ланцюга Монте-Карло. Алгоритм MH завжди дає ймовірність переходу із властивістю детального балансу; Я очікую, що Гіббс теж повинен. То де я в наступному простому випадку помилився? Для цільового розподілу на двох дискретних (для …
17 mcmc  gibbs 
2
Натисніть і запустіть MCMC
Я намагаюся реалізувати алгоритм звернення та запуску MCMC, але у мене виникають проблеми з розумінням того, як це зробити. Загальна ідея полягає в наступному: Щоб створити скачок пропозиції в МЗ, ми: Створіть напрямок з розподілу на поверхні одиничної сфериdddOO\mathcal{O} Створіть підписану відстань вздовж обмеженого простору.λλ\lambda Однак я не маю уявлення …
16 r  bayesian  mcmc 
1
Стен проти Гельмана-Рубін визначення
Я переглядав документацію Стен, яку можна завантажити тут . Мене особливо зацікавило їх реалізація діагностики Гельмана-Рубіна. Оригінальний документ Gelman & Rubin (1992) визначає потенційний коефіцієнт зменшення масштабу (PSRF) наступним чином: Нехай є ланцюжком го Маркова, відібраний загальний незалежних ланцюгів. Нехай - середнє значення з го ланцюга, а загальне середнє значення. …
2
Як ABC та MCMC відрізняються у своїх програмах?
Наскільки я розумію, приблизні байєсівські обчислення (ABC) та ланцюг Маркова Монте-Карло (MCMC) мають дуже схожі цілі. Нижче я описую своє розуміння цих методів та те, як я сприймаю відмінності в їх застосуванні до реальних даних про життя. Орієнтовний байєсівський обчислення ABC полягає у вибірці параметра від попереднього, за допомогою чисельного …
2
Відбір проб з неправильної дистрибуції (використовуючи MCMC та інше)
Моє основне питання: як би ви взяли вибірку з неправильного розподілу? Чи є навіть сенс вибірки з неправильного розподілу? Коментар Сіань тут вирішує питання, але я шукав ще деякі деталі щодо цього. Більш конкретно для MCMC: Розповідаючи про MCMC та читаючи статті, автори наголошують на тому, що вони отримали належні …
2
Прогнози моделі BSTS (в R) повністю провалюються
Прочитавши цю публікацію в блозі про моделі байесівських структурних часових рядів, я хотів розглянути її реалізацію в контексті проблеми, для якої раніше використовував ARIMA. У мене є деякі дані з деякими відомими (але галасливими) сезонними компонентами - це, безумовно, щорічні, щомісячні та щотижневі компоненти, а також деякі наслідки внаслідок особливих …
15 r  time-series  bayesian  mcmc  bsts 
Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.