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 …
Sono in terza media e sto cercando di simulare i dati per un progetto di fiera della scienza di apprendimento automatico. Il modello finale verrà utilizzato sui dati del paziente e prevede la correlazione tra determinati periodi della settimana e l'effetto che ciò ha sull'aderenza del farmaco all'interno dei dati …
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 …
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 …
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)=argmin∑i=1nlogf(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 …
Devo generare numeri casuali dopo la distribuzione normale nell'intervallo . (Sto lavorando in R.)( a , b )(un',B)(a,b) So che la funzione rnorm(n,mean,sd)genererà numeri casuali dopo la normale distribuzione, ma come impostare i limiti di intervallo all'interno di quello? Sono disponibili funzioni R particolari per questo?
Ho condotto una valutazione computerizzata dei diversi metodi di adattamento a un particolare tipo di modello utilizzato nelle scienze del paleo. Avevo un set di addestramento di grandi dimensioni e quindi ho casualmente (campionamento casuale stratificato) messo da parte un set di test. Ho montato metodi diversi per i campioni …
Ho sentito che sotto l'ipotesi nulla la distribuzione del valore p dovrebbe essere uniforme. Tuttavia, le simulazioni del test binomiale in MATLAB restituiscono distribuzioni molto diverse da uniformi con una media maggiore di 0,5 (0,518 in questo caso): coin = [0 1]; success_vec = nan(20000,1); for i = 1:20000 success …
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 …
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 …
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?
Simulazione de novo di dati da un frame di dati di progettazione sperimentale. Con un focus su R (anche se la soluzione di un'altra lingua sarebbe ottima). Nel progettare un esperimento o un sondaggio, simulare i dati e condurre un'analisi su questi dati simulati può fornire una visione eccezionale dei …
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 …
Di recente ho acquistato una risorsa di intervista per la scienza dei dati in cui una delle domande di probabilità era la seguente: Dati i disegni di una distribuzione normale con parametri noti, come è possibile simulare i disegni da una distribuzione uniforme? Il mio processo di pensiero originale era …
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.