Domande taggate «mcmc»

Catena di Markov Monte Carlo (MCMC) si riferisce a una classe di metodi per generare campioni da una distribuzione target generando numeri casuali da una catena Markov la cui distribuzione stazionaria è la distribuzione target. I metodi MCMC sono in genere utilizzati quando sono impossibili metodi più diretti per la generazione di numeri casuali (ad esempio il metodo di inversione). Il primo metodo MCMC era l'algoritmo Metropolis, successivamente modificato con l'algoritmo Metropolis-Hastings.

1
Inferenza variabile rispetto a MCMC: quando scegliere l'una rispetto all'altra?
Penso di avere l'idea generale di VI e MCMC, compresi i vari gusti di MCMC come il campionamento di Gibbs, Metropolis Hastings ecc. Questo documento fornisce una meravigliosa esposizione di entrambi i metodi. Ho le seguenti domande: Se desidero fare l'inferenza bayesiana, perché dovrei scegliere un metodo rispetto all'altro? Quali …
1
Qual è la differenza tra i campionamenti di Metropolis Hastings, Gibbs, Importance e Rejection?
Ho cercato di apprendere i metodi MCMC e mi sono imbattuto nel campionamento di Metropolis Hastings, Gibbs, Importance e Rejection. Mentre alcune di queste differenze sono ovvie, cioè come Gibbs sia un caso speciale di Metropolis Hastings quando abbiamo i condizionali completi, le altre sono meno ovvie, come quando vogliamo …
3
Perché c'è una differenza tra il calcolo manuale di un intervallo di confidenza della regressione logistica del 95% e l'uso della funzione confint () in R?
Carissimi, ho notato qualcosa di strano che non posso spiegare, vero? In sintesi: l'approccio manuale al calcolo di un intervallo di confidenza in un modello di regressione logistica e la funzione R confint()danno risultati diversi. Ho attraversato la regressione logistica applicata di Hosmer & Lemeshow (2a edizione). Nel terzo capitolo …
34 r  regression  logistic  confidence-interval  profile-likelihood  correlation  mcmc  error  mixture  measurement  data-augmentation  r  logistic  goodness-of-fit  r  time-series  exponential  descriptive-statistics  average  expected-value  data-visualization  anova  teaching  hypothesis-testing  multivariate-analysis  r  r  mixed-model  clustering  categorical-data  unsupervised-learning  r  logistic  anova  binomial  estimation  variance  expected-value  r  r  anova  mixed-model  multiple-comparisons  repeated-measures  project-management  r  poisson-distribution  control-chart  project-management  regression  residuals  r  distributions  data-visualization  r  unbiased-estimator  kurtosis  expected-value  regression  spss  meta-analysis  r  censoring  regression  classification  data-mining  mixture 
3
Esempi di errori negli algoritmi MCMC
Sto studiando un metodo per il controllo automatico dei metodi Monte Carlo della catena Markov e vorrei alcuni esempi di errori che possono verificarsi durante la costruzione o l'implementazione di tali algoritmi. Punti bonus se è stato utilizzato il metodo errato in un documento pubblicato. Sono particolarmente interessato ai casi …
28 mcmc 
4
Librerie C ++ per il calcolo statistico
Ho un particolare algoritmo MCMC che vorrei portare su C / C ++. Gran parte del costoso calcolo è in C già tramite Cython, ma voglio che l'intero campionatore sia scritto in un linguaggio compilato in modo da poter scrivere solo wrapper per Python / R / Matlab / qualunque …
23 mcmc  software  c++  computing 
4
Gli algoritmi di Machine Learning o Deep Learning possono essere utilizzati per "migliorare" il processo di campionamento di una tecnica MCMC?
Sulla base della scarsa conoscenza che ho dei metodi MCMC (Markov chain Monte Carlo), capisco che il campionamento è una parte cruciale della tecnica di cui sopra. I metodi di campionamento più comunemente usati sono Hamiltoniano e Metropolis. Esiste un modo per utilizzare l'apprendimento automatico o anche l'apprendimento profondo per …
1
Quali sono alcuni miglioramenti ben noti rispetto agli algoritmi MCMC del libro di testo che le persone usano per l'inferenza bayesiana?
Quando sto codificando una simulazione Monte Carlo per qualche problema, e il modello è abbastanza semplice, utilizzo un campionario Gibbs molto semplice. Quando non è possibile utilizzare il campionamento di Gibbs, codifico il libro di testo Metropolis-Hastings che ho imparato anni fa. L'unico pensiero che ci faccio è scegliere la …
3
Perché dovremmo preoccuparci della miscelazione rapida nelle catene MCMC?
Quando lavoriamo con la catena di Markov Monte Carlo per trarre l'inferenza, abbiamo bisogno di una catena che si mescoli rapidamente, cioè si muova rapidamente attraverso il supporto della distribuzione posteriore. Ma non capisco perché abbiamo bisogno di questa proprietà, perché da quello che capisco, i disegni di canditi accettati …
21 mcmc 
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.