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.

4
Algoritmi di Metropolis-Hastings utilizzati nella pratica
Oggi stavo leggendo il blog di Christian Robert e mi è piaciuto molto il nuovo algoritmo Metropolis-Hastings di cui stava discutendo. Sembrava semplice e facile da implementare. Ogni volta che codifico MCMC, tendo a rimanere con algoritmi MH molto basilari, come mosse indipendenti o passeggiate casuali sulla scala del registro. …
4
Quali sono i valori corretti per precisione e richiamo nei casi limite?
La precisione è definita come: p = true positives / (true positives + false positives) È corretto che, come true positivese false positivesavvicinarsi a 0, la precisione si avvicina a 1? Stessa domanda da ricordare: r = true positives / (true positives + false negatives) Attualmente sto implementando un test …
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
Quali algoritmi / tecniche MCMC sono utilizzati per parametri discreti?
Conosco una buona dose sull'adattamento di parametri continui, in particolare sui metodi basati sul gradiente, ma non molto sull'adattamento di parametri discreti. Quali sono gli algoritmi / tecniche MCMC comunemente utilizzati per l'adattamento di parametri discreti? Ci sono algoritmi che sono sia abbastanza generali che abbastanza potenti? Esistono algoritmi che …
19 bayesian  mcmc 
2
Perché è necessario campionare dalla distribuzione posteriore se CONOSCIAMO già la distribuzione posteriore?
La mia comprensione è che quando si utilizza un approccio bayesiano per stimare i valori dei parametri: La distribuzione posteriore è la combinazione della distribuzione precedente e della distribuzione di probabilità. Simuliamo questo generando un campione dalla distribuzione posteriore (ad esempio, usando un algoritmo Metropolis-Hasting per generare valori e li …
3
MCMC è senza memoria?
Sto cercando di capire quali sono le catene di Markov Monte Carlo (MCMC) dalla pagina Wikipedia francese. Dicono "che i metodi Monte Carlo della catena Markov consistono nel generare un vettore solo dai dati vettoriali , quindi è un processo" senza memoria ""Xioxix_ {i}Xi - 1xi−1x_ {i-1} I metodi di …
18 mcmc 
1
MCMC su uno spazio di parametri limitato?
Sto cercando di applicare MCMC su un problema, ma i miei priori (nel mio caso sono α∈[0,1],β∈[0,1]α∈[0,1],β∈[0,1]\alpha\in[0,1],\beta\in[0,1] )) sono limitati a un'area? Posso usare MCMC normale e ignorare i campioni che non rientrano nella zona soggetta a restrizioni (che nel mio caso è [0,1] ^ 2), ovvero riutilizzare la funzione …
1
L'algoritmo Gibbs Sampling garantisce un equilibrio dettagliato?
Secondo l'autorità suprema 1, Gibbs Sampling è un caso speciale dell'algoritmo Metropolis-Hastings per il campionamento di Markov Chain Monte Carlo. L'algoritmo MH fornisce sempre una probabilità di transizione con la proprietà di bilanciamento dettagliata; Mi aspetto che anche Gibbs dovrebbe. Quindi, dove nel seguente semplice caso ho sbagliato? Per la …
17 mcmc  gibbs 
2
Premi ed esegui MCMC
Sto cercando di implementare l'algoritmo MCMC hit and run, ma ho un po 'di problemi a capire come procedere. L'idea generale è la seguente: Per generare un salto di proposta in MH, noi: Generare una direzione da una distribuzione sulla superficie della sfera dell'unità OdddOO\mathcal{O} Genera una distanza con lungo …
16 r  bayesian  mcmc 
1
Stan
Stavo esaminando la documentazione di Stan che può essere scaricata da qui . Ero particolarmente interessato alla loro implementazione della diagnostica Gelman-Rubin. Il documento originale Gelman & Rubin (1992) definisce il potenziale fattore di riduzione della scala (PSRF) come segue: Let sia la i esima catena di Markov campionata, e …
2
Le previsioni dal modello BSTS (in R) non riescono completamente
Dopo aver letto questo post sul blog sui modelli strutturali delle serie temporali bayesiane, ho voluto esaminare l'implementazione nel contesto di un problema per il quale avevo precedentemente utilizzato ARIMA. Ho alcuni dati con alcuni componenti stagionali noti (ma rumorosi) - ci sono sicuramente componenti annuali, mensili e settimanali a …
15 r  time-series  bayesian  mcmc  bsts 
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.