Domande taggate «metropolis-hastings»

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.

2
Confusione legata al campionamento di Gibbs
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)) …
2
Campionamento dalla distribuzione bivariata con densità nota usando MCMC
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 …
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.