Вне контекста короткая версия
Пусть будет случайной величиной с CDF
Допустим, я хотел смоделировать отрисовки используя метод обратного CDF. Это возможно? Эта функция не имеет обратного. Опять же, есть выборка обратного преобразования для смешанного распределения двух нормальных распределений, которая предполагает, что есть известный способ применить выборку обратного преобразования здесь.
Мне известен двухэтапный метод, но я не знаю, как применить его к моей ситуации (см. Ниже).
Длинная версия с фоном
Я применил следующую модель для векторного ответа, , используя MCMC (в частности, Stan):
где индексирует наблюдений, - матрица корреляции, а - вектор предикторов / регрессоров / признаков.N R x
То есть моя модель представляет собой регрессионную модель, в которой условное распределение ответа предполагается гауссовой связкой с логарифмически-нормальными маргиналами, равными нулю. Я уже писал об этой модели; Оказывается, что Сонг, Ли и Юань (2009, gated ) разработали его, и они называют его вектором GLM, или VGLM. Ниже приведена их спецификация, максимально приближенная к дословной: MyF K G
Часть с накачкой нулями примерно соответствует спецификации Лю и Чана (2010, без шлюза ).
Теперь я хотел бы смоделировать данные из оценочных параметров, но меня немного смущает вопрос о том, как это сделать. Сначала я подумал, что могу просто смоделировать (в коде R):
for (i in 1:N) {
for (k in 1:K) {
Y_hat <- rbinom(1, 1, 1 - theta[i, k])
if (Y_hat == 1)
Y_hat <- rlnorm(1, mu[i, k], sigma[k])
}
}
который не использует на всех. Я хотел бы попытаться использовать оценочную матрицу, которую я оценил.
Моя следующая идея состояла в том, чтобы взять ничьи и затем преобразовать их обратно в . Похоже, что это также совпадает с ответами в разделе « Генерация выборок из Копулы в R» и « Двусторонняя выборка для распределения», выраженными в теореме Скулы о копуле? , Но какого черта мой здесь? Выборка обратного преобразования для смешанного распределения двух нормальных распределений делает звучание так, как это возможно, но я понятия не имею, как это сделать.y F - 1