Domande taggate «monte-carlo»

Usare numeri (pseudo-) casuali e la Legge dei Grandi Numeri per simulare il comportamento casuale di un sistema reale.

1
Integrazione di Metropolis-Hastings: perché la mia strategia non funziona?
Supponiamo di avere una funzione che voglio integrare Ovviamente supponendo che vada a zero agli endpoint, nessun ingrandimento, bella funzione. Un modo in cui mi sono armeggiato è usare l'algoritmo Metropolis-Hastings per generare un elenco di campioni dalla distribuzione proporzionale a , che manca della costante di normalizzazione che chiamerò …
2
Quali sono alcune tecniche per campionare due variabili casuali correlate?
Quali sono alcune tecniche per campionare due variabili casuali correlate: se le loro distribuzioni di probabilità sono parametrizzate (ad es. log-normale) se hanno distribuzioni non parametriche. I dati sono due serie temporali per le quali possiamo calcolare coefficienti di correlazione diversi da zero. Desideriamo simulare questi dati in futuro, supponendo …
2
Quali sono alcuni usi importanti della generazione di numeri casuali nelle statistiche computazionali?
In che modo e perché i generatori di numeri casuali (RNG) sono importanti nelle statistiche computazionali? Capisco che la casualità è importante quando si scelgono campioni per molti test statistici per evitare distorsioni verso entrambe le ipotesi, ma ci sono altre aree di statistiche computazionali in cui i generatori di …
1
Qual è l'intuizione dietro i campioni scambiabili sotto l'ipotesi nulla?
I test di permutazione (chiamati anche test di randomizzazione, test di ri-randomizzazione o test esatto) sono molto utili e sono utili quando l'assunzione della distribuzione normale richiesta da per esempio t-testnon è soddisfatta e quando la trasformazione dei valori per classifica del test non parametrici come Mann-Whitney-U-testquesto porterebbero alla perdita …
15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 
5
Matlab / octave o R è più adatto alla simulazione monte carlo?
Ho iniziato a fare Monte Carlo in R come hobby, ma alla fine un analista finanziario mi ha consigliato di migrare su Matlab. Sono uno sviluppatore software esperto. ma un principiante di Monte Carlo. Voglio costruire modelli statici con analisi di sensibilità, successivamente modelli dinamici. Ho bisogno di buone librerie …
14 r  matlab  monte-carlo 
1
Perché usare il bootstrap parametrico?
Attualmente sto cercando di capire meglio alcune cose riguardanti il ​​bootstrap parametrico. La maggior parte delle cose sono probabilmente banali, ma penso ancora che potrei essermi perso qualcosa. Supponiamo che io voglia ottenere intervalli di confidenza per i dati usando una procedura di bootstrap parametrica. Quindi ho questo campione e …
5
Come eseguire l'imputazione dei valori in un numero molto elevato di punti dati?
Ho un set di dati molto grande e mancano circa il 5% di valori casuali. Queste variabili sono correlate tra loro. Il seguente set di dati R è solo un esempio di giocattolo con dati correlati fittizi. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 
1
Differenze tra PROC Mixed e lme / lmer in R - gradi di libertà
Nota: questa domanda è una risposta, poiché la mia domanda precedente doveva essere cancellata per motivi legali. Confrontando PROC MIXED da SAS con la funzione lmedel nlmepacchetto in R, mi sono imbattuto in alcune differenze piuttosto confuse. Più specificamente, i gradi di libertà nei diversi test differiscono tra PROC MIXEDe …
12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining 
2
Integrali approssimativi con simulazione Monte Carlo in R
Come approssimo il seguente integrale usando la simulazione MC? ∫1- 1∫1- 1| x-y|d xd y∫−11∫−11|x−y|dxdy \int_{-1}^{1} \int_{-1}^{1} |x-y| \,\mathrm{d}x \,\mathrm{d}y Grazie! Modifica (alcuni contesti): sto cercando di imparare a usare la simulazione per approssimare gli integrali e sto facendo pratica quando ho incontrato alcune difficoltà. Modifica 2 + 3 : …
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.