Domande taggate «simulation»

Un'ampia area che include la generazione di risultati da modelli di computer.


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
GLM binomiale negativo vs. trasformazione del log per i dati di conteggio: aumento del tasso di errore di tipo I.
Alcuni di voi potrebbero aver letto questo bel documento: O'Hara RB, Kotze DJ (2010) Non registrare i dati di conteggio della trasformazione. Metodi in Ecologia ed Evoluzione 1: 118-122. Klick . Nel mio campo di ricerca (ecotossicologia) abbiamo a che fare con esperimenti scarsamente replicati e le GLM non sono …

1
, simulazione nel periodo di previsione
Ho dati di serie temporali e ho usato un come modello per adattarsi ai dati. Il è una variabile casuale indicatore che è o 0 (quando non vedo un evento raro) o 1 (quando vedo raro caso). Sulla base delle precedenti osservazioni che ho per , posso sviluppare un modello …

1
simulazione di campioni casuali con un dato MLE
Questa domanda con convalida incrociata che chiedeva di simulare un campione subordinato a una somma fissa mi ha ricordato un problema che mi è stato posto da George Casella . f(x|θ)f(x|θ)f(x|\theta)(X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n)θθ\thetaθ^(x1,…,xn)=argmin∑i=1nlogf(xi|θ)θ^(x1,…,xn)=arg⁡min∑i=1nlog⁡f(xi|θ)\hat{\theta}(x_1,\ldots,x_n)=\arg\min \sum_{i=1}^n \log f(x_i|\theta)θθ\theta θ (X1,...,Xn)(X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n)θ^(X1,…,Xn)θ^(X1,…,Xn)\hat{\theta}(X_1,\ldots,X_n) Ad esempio, prendi una distribuzione , con parametro di posizione , la cui densità …




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
Quale sarebbe un esempio di un modello davvero semplice con una probabilità intrattabile?
Il calcolo approssimativo bayesiano è una tecnica davvero interessante per adattarsi praticamente a qualsiasi modello stocastico, destinato a modelli in cui la probabilità è intrattabile (diciamo, è possibile campionare dal modello se si correggono i parametri ma non è possibile calcolare numericamente, algoritmicamente o analiticamente la probabilità). Quando si introduce …

1
Come simulare da una copula gaussiana?
Supponiamo che io abbia due distribuzioni marginali univariate, diciamoFFF eGGG , che posso simulare. Ora, costruisci la loro distribuzione congiunta usando unacopula gaussiana, indicata conC(F,G;Σ)C(F,G;Σ)C(F,G;\Sigma) . Tutti i parametri sono noti. Esiste un metodo non MCMC per la simulazione da questa copula?


1
Vantaggi di Box-Muller rispetto al metodo CDF inverso per la simulazione della distribuzione normale?
Per simulare una distribuzione normale da un insieme di variabili uniformi, esistono diverse tecniche: L'algoritmo Box-Muller , in cui si campiona due varianze uniformi indipendenti su e le trasforma in due distribuzioni normali standard indipendenti tramite: Z 0 = √(0,1)(0,1)(0,1)Z0=−2lnU1−−−−−−√cos(2πU0)Z1=−2lnU1−−−−−−√sin(2πU0)Z0=−2lnU1cos(2πU0)Z1=−2lnU1sin(2πU0) Z_0 = \sqrt{-2\text{ln}U_1}\text{cos}(2\pi U_0)\\ Z_1 = \sqrt{-2\text{ln}U_1}\text{sin}(2\pi U_0) il metodo …


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.