Запитання з тегом «monte-carlo»

Мені цікаво визначити кількість значущих закономірностей, що виходять з аналізу основних компонентів (PCA) або аналізу емпіричної ортогональної функції (EOF). Мені особливо цікаво застосувати цей метод до даних про клімат. Поле даних є матрицею MxN, причому M є часовим розміром (наприклад, днями), а N - просторовим розміром (наприклад, місця розташування / …

40 r  pca  bootstrap  monte-carlo 

Цікаво, чи хтось знає якісь загальні правила щодо кількості зразків завантажувальної програми, які слід використовувати на основі характеристик даних (кількість спостережень тощо) та / або включених змінних?

40 bootstrap  inference  monte-carlo 

Я намагався вивчити методи MCMC і натрапив на вибірку Metropolis Hastings, Gibbs, Importance та Rejection. Хоча деякі з цих відмінностей очевидні, тобто, як Гіббс є особливим випадком Метрополіса Гастінгса, коли ми маємо повну умову, інші менш очевидні, як, наприклад, коли ми хочемо використовувати MH у пробовідбірника Гіббса тощо. простий спосіб …

36 mcmc  monte-carlo  gibbs  metropolis-hastings  importance-sampling 

Чи існує метод моделювання, який не є Монте-Карло? Усі методи моделювання передбачають підстановку випадкових чисел у функцію, щоб знайти діапазон значень для функції. Чи всі методи моделювання по суті є методами Монте-Карло?

35 monte-carlo 

Я недавно переглядав моделювання Монте-Карло і використовую його для наближення констант, таких як (коло всередині прямокутника, пропорційна площа).ππ\pi Однак я не можу придумати відповідний метод наближення значення [число Ейлера] за допомогою інтеграції Монте-Карло.eee Чи є у вас покажчики, як це можна зробити?

35 simulation  monte-carlo  algorithms  random-generation  numerical-integration 

Як я можу вручну генерувати випадкове число із заданого розподілу, як, наприклад, 10 реалізацій від стандартного нормального розподілу?

30 normal-distribution  simulation  monte-carlo  random-generation  randomness 

Я намагаюся вивчити різні методи перехресної перевірки, насамперед з наміром застосувати до контрольованих методів багатофакторного аналізу. Два, з якими я стикався, - це методи перехресної перевірки в K-кратному і Монте-Карло. Я читав, що K-кратність - це зміна Монте-Карло, але я не впевнений, що повністю розумію, що складає визначення Монте-Карло. Чи …

29 cross-validation  monte-carlo 

інтегруючи функцію або в складні моделювання, я бачив метод Монте-Карло широко застосовується. Я запитую себе, чому не створюється сітка точок, щоб інтегрувати функцію, а не малювати випадкові точки. Хіба це не принесе більш точних результатів?

25 monte-carlo 

Я намагаюся навчитися вивченню підкріплення, і ця тема мене дуже бентежить. Я взяв вступ до статистики, але я просто не міг зрозуміти цю тему інтуїтивно.

22 variance  simulation  monte-carlo  unbiased-estimator  importance-sampling 

На основі мало знань, які я маю щодо методів MCMC (ланцюг Маркова Монте-Карло), я розумію, що відбір проб є важливою частиною вищезгаданої методики. Найпоширенішими методами відбору проб є Гамільтоніан та Метрополіс. Чи є спосіб використовувати машинне навчання або навіть глибоке навчання для побудови більш ефективного пробника MCMC?

21 machine-learning  mcmc  monte-carlo  markov-process 

Після проведення аналізу основних компонентів (PCA) я хочу спроектувати новий вектор на простір PCA (тобто знайти його координати в системі координат PCA). Я розрахував PCA мовою R за допомогою prcomp. Тепер я повинен мати можливість помножити свій вектор на матрицю обертання PCA. Чи повинні головні компоненти в цій матриці розташовуватися …

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

Якщо це відомі щільності, з яких я можу імітувати, тобто для яких доступний алгоритм. і якщо продукт інтегрується, чи існує загальний підхід до моделювання з цієї щільності продукту за допомогою тренажери від 's?k ∏ i = 1 f i ( x ) α if1,…,fkf1,…,fkf_1,\ldots,f_kf i∏i=1kfi(x)αiα1,…,αk>0∏i=1kfi(x)αiα1,…,αk>0\prod_{i=1}^k f_i(x)^{\alpha_i}\qquad \alpha_1,\ldots,\alpha_k>0fifif_i

20 simulation  monte-carlo  geometric-mean  scalability  finite-mixture-model 

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 …

18 sampling  mcmc  monte-carlo  random-walk 

Моє розуміння алгоритму таке: Ніякий пробовідбірник (NUTS) - це гамільтонівський метод Монте-Карло. Це означає, що це не метод Маркова ланцюга, і, таким чином, цей алгоритм дозволяє уникнути випадкової частини прогулянки, яку часто вважають неефективною і повільною для сходження. Замість того, щоб робити випадкову ходьбу, NUTS робить стрибки довжиною x. Кожен …

18 bayesian  monte-carlo  markov-process 

Я б хотів генерувати зразки з блакитної області, визначеної тут: Наївним рішенням є використання відбору проб відхилення в одиничному квадраті, але це забезпечує лише ефективність (~ 21,4%).1−π/41−π/41-\pi/4 Чи є якийсь спосіб я можу зробити вибірку більш ефективно?

17 probability  sampling  monte-carlo  random-generation