Un tipo speciale di algoritmo Markov Chain Monte Carlo (MCMC) utilizzato per simulare da distribuzioni di probabilità complesse. È convalidato dalla teoria della catena di Markov e offre un'ampia gamma di possibili implementazioni.
Mi sono imbattuto in questo articolo in cui si dice che nel campionamento di Gibbs ogni campione è accettato. Sono un po 'confuso. Come mai se ogni campione che ha accettato converge in una distribuzione stazionaria. In generale Metropolis Algorithm accettiamo come min (1, p (x *) / p (x)) …
Ho provato a simulare da una densità bivariata usando gli algoritmi Metropolis in R e non ho avuto fortuna. La densità può essere espressa come , dove è distribuzione Singh-Maddalap(x,y)p(x,y)p(x,y)p(y|x)p(x)p(y|x)p(x)p(y|x)p(x)p(x)p(x)p(x) p(x)=aqxa−1ba(1+(xb)a)1+qp(x)=aqxa−1ba(1+(xb)a)1+qp(x)=\dfrac{aq x^{a-1}}{b^a (1 + (\frac{x}{b})^a)^{1+q}} con i parametri , , e è log-normale con log-mean come una frazione diaaaqqqbbbp(y|x)p(y|x)p(y|x)xxx e …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.