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.

4
Чи підходять методи, засновані на MCMC, коли доступна оцінка максимального a-posteriori?
Я помічав, що у багатьох практичних програмах методики на основі MCMC використовуються для оцінки параметра, навіть якщо задній є аналітичним (наприклад, тому, що пріори були сполученими). Для мене має сенс використовувати MAP-оцінки, а не оцінки на основі MCMC. Чи може хтось зазначити, чому MCMC все ще є відповідним методом за …
3
Виконайте MCMC: використовуйте jags / stan або реалізуйте його самостійно
Я новачок у баєсівській статистиці. Я чув від дослідників, що байєсські дослідники краще впроваджують MCMC самостійно, а не використовують такі інструменти, як JAGS / Stan. Чи можу я запитати, яка користь від самостійного впровадження алгоритму MCMC ("не дуже швидкими" мовами, такими як R), за винятком цілей навчання?
13 bayesian  mcmc 
1
Гамільтонівський Монте-Карло та дискретні проміжки параметрів
Я тільки почав будувати моделі в квартирі ; щоб побудувати знайомство з інструментом, я працюю над деякими вправами в баєсовському аналізі даних (2-е видання). У Waterbuck вправу передбачає , що дані , з невідомо. Оскільки Гамільтоніан Монте-Карло не дозволяє дискретні параметри, я оголосив N як справжній \ у [72, \ …
2
Процес AR (1) з помилками гетеросцедастичного вимірювання
1. Проблема У мене є деякі вимірювання змінної , де , для яких у мене є розподіл отриманий через MCMC, що для простоти, я вважаю, є гауссом середнього значення та дисперсія . т = 1 , 2 , . . , n f y t ( y t ) μ …
2
Ефективний розмір зразка для заднього висновку з відбору проб MCMC
Отримуючи зразки MCMC, щоб зробити висновок за певним параметром, які хороші орієнтири щодо мінімальної кількості ефективних вибірок, на які слід прагнути? І чи змінюється ця порада, коли модель стає більш-менш складною?
1
Чи можу я напівавтоматизувати діагностику конвергенції MCMC, щоб встановити довжину згоряння?
Я б хотів автоматизувати вибір спалювання для ланцюга MCMC, наприклад, видаливши перші n рядів на основі діагностики конвергенції. Наскільки цей крок може бути безпечно автоматизований? Навіть якщо я все ще перевіряю автокореляцію, mcmc слід та pdfs, було б непогано мати вибір довжини спалювання автоматизованим. Моє запитання загальне, але було б …
13 r  bayesian  mcmc 
3
Розуміння MCMC: якою була б альтернатива?
Вивчення байєсівської статистики вперше; як кут до розуміння MCMC я задумався: чи це робиться щось, що принципово не можна зробити іншим способом, чи це просто робити щось набагато ефективніше, ніж альтернативи? Для ілюстрації, припустимо, що ми намагаємося обчислити ймовірність наших параметрів за даними даною моделлю, яка обчислює навпаки, . Щоб …
13 bayesian  mcmc 
1
Розуміння MCMC та алгоритму Metropolis-Hastings
Останні кілька днів я намагався зрозуміти, як працює Марківський ланцюг Монте-Карло (MCMC). Зокрема, я намагався зрозуміти і реалізувати алгоритм Metropolis-Hastings. Поки я думаю, що я цілком розумію алгоритм, але є кілька речей, які мені ще не зрозумілі. Я хочу використовувати MCMC для пристосування деяких моделей до даних. Через це я …
2
MCMC, що сходяться до одного значення?
Я намагаюся підігнати ієрархічну модель за допомогою джегів та пакету rjags. Моя змінна результат - y, яка є послідовністю випробувань Бернуллі. У мене є 38 людських предметів, які виступають у двох категоріях: P і M. На основі мого аналізу кожен оратор має ймовірність успіху в категорії P та ймовірність успіху …
5
Чи стандартизація незалежних змінних зменшує колінеарність?
Я натрапив на дуже хороший текст про Bayes / MCMC. ІТ передбачає, що стандартизація ваших незалежних змінних зробить алгоритм MCMC (Metropolis) більш ефективним, але також може зменшити (багато) колінеарність. Чи може це бути правдою? Це щось, що я повинен робити як стандарт . (Вибачте). Kruschke 2011, Doing Bayesian Analysis Data. …
1
MCMC з алгоритмом Metropolis-Hastings: Вибір пропозиції
Мені потрібно зробити моделювання, щоб оцінити інтеграл функції 3 параметрів, ми говоримо fff, яка має дуже складну формулу. Для його обчислення пропонується використовувати метод MCMC та реалізувати алгоритм Metropolis-Hastings для генерування значень, розподілених як , і було запропоновано використовувати 3 змінних нормальних як розподіл пропозицій. Читаючи кілька прикладів з цього …
1
Чому надлишкова середня параметризація прискорює Gibbs MCMC?
У книзі Gelman & Hill (2007) (Аналіз даних за допомогою регресії та багаторівневих / Ієрархічних моделей) автори стверджують, що включення надлишкових середніх параметрів може допомогти прискорити MCMC. Наведений приклад - це вкладена модель "тренажера польоту" (урівень 13.9): уiγjδк∼ N( μ + γj [ i ]+ δk [ i ], σ2у)∼ …
2
Надійність режиму з зразка MCMC
У своїй книзі Doing Bayesian Analysis Data, John Kruschke зазначає, що при використанні JAGS від R ... оцінка режиму з зразка MCMC може бути досить нестабільною, оскільки оцінка базується на алгоритмі згладжування, який може бути чутливим до випадкових ударів та пульсацій у зразку MCMC. ( Проведення Байєсівського аналізу даних , …
12 bayesian  mcmc  mode 
1
MCMC; Чи можемо ми бути впевнені, що у нас ззаду є "чистий" і "досить великий" зразок? Як це може працювати, якщо нас немає?
Посилаючись на цю тему: Як би ви пояснили церкву Маркова Монте-Карло (MCMC) лайперсону? . Я бачу, що це поєднання ланцюгів Маркова та Монте-Карло: Марківський ланцюг створюється із задньою частиною як інваріантний обмежуючий розподіл, а потім Монте-Карло малює (залежно) від обмежуючого розподілу (= наш задній). Скажімо (я знаю, що тут я …
12 mcmc 
1
Коли я повинен турбуватися про парадокс Джеффріс-Ліндлі у виборі моделі Байесія?
Я розглядаю великий (але кінцевий) простір моделей різної складності, які я досліджую за допомогою RJMCMC . Попередній вектор параметрів для кожної моделі є досить інформативним. У яких випадках (якщо такі є) я повинен турбуватися через парадокс Джеффріс-Ліндлі, який надає перевагу більш простим моделям, коли одна з більш складних моделей буде …
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.