Вопросы с тегом «mcmc»

Марковская цепь Монте-Карло (MCMC) относится к классу методов для генерации выборок из целевого распределения путем генерации случайных чисел из марковской цепи, стационарное распределение которой является целевым распределением. Методы MCMC обычно используются, когда более прямые методы для генерации случайных чисел (например, метод инверсии) невозможны. Первым методом MCMC был алгоритм Метрополиса, позднее модифицированный по алгоритму Метрополиса-Гастингса.

2
Выборка Гиббса по сравнению с общим MH-MCMC
Я только что прочитал о выборке Гиббса и алгоритме Метрополиса Гастингса и у меня есть пара вопросов. Насколько я понимаю, в случае выборки Гиббса, если у нас большая многомерная задача, мы выбираем из условного распределения, то есть выбираем одну переменную, сохраняя все остальные фиксированными, тогда как в MH мы выбираем …
4
Алгоритмы Метрополис-Гастингс, используемые на практике
Сегодня я читал блог Кристиана Роберта, и мне очень понравился новый алгоритм Метрополиса-Гастингса, который он обсуждал. Это казалось простым и легким в реализации. Всякий раз, когда я кодирую MCMC, я склонен придерживаться очень простых алгоритмов MH, таких как независимые движения или случайные обходы в логарифмическом масштабе. Какие алгоритмы MH люди …
4
Каковы правильные значения для точности и отзыва в крайних случаях?
Точность определяется как: p = true positives / (true positives + false positives) Является ли это исправить , что, как true positivesи false positivesподход 0, точность приближается к 1? Тот же вопрос для отзыва: r = true positives / (true positives + false negatives) В настоящее время я выполняю статистический …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 
1
Когда можно использовать выборку Гиббса вместо Метрополис-Гастингс?
Существуют различные виды алгоритмов MCMC: Метрополис-Гастингс Gibbs Важность / отклонение выборки (связано). Зачем использовать выборку Гиббса вместо Метрополис-Гастингс? Я подозреваю, что бывают случаи, когда при выборке Гиббса можно сделать вывод лучше, чем при работе с Метрополис-Гастингс, но я не совсем уверен в деталях.
1
Какие алгоритмы / методы MCMC используются для дискретных параметров?
Я знаю достаточно много о подборе непрерывных параметров, особенно градиентных методов, но не много о подборе дискретных параметров. Каковы обычно используемые алгоритмы / методы MCMC для подгонки дискретных параметров? Существуют ли алгоритмы, которые являются достаточно общими и достаточно мощными? Существуют ли алгоритмы, которые хорошо справляются с проклятием размерности? Например, я …
19 bayesian  mcmc 
2
Почему необходимо выбирать из апостериорного распределения, если мы уже ЗНАЕМ апостериорное распределение?
Насколько я понимаю, при использовании байесовского подхода для оценки значений параметров: Апостериорное распределение представляет собой комбинацию предшествующего распределения и распределения правдоподобия. Мы моделируем это, генерируя выборку из апостериорного распределения (например, используя алгоритм Метрополиса-Хастинга для генерации значений и принимаем их, если они превышают определенный порог вероятности принадлежности к апостериорному распределению). После …
3
MCMC без памяти?
Я пытаюсь понять, что такое цепь Маркова Монте-Карло (MCMC) со страницы французской Википедии. Они говорят, что «методы Монте-Карло цепи Маркова состоят из генерации вектора только из векторных данных поэтому это процесс« без памяти »»ИксяИксяx_ {i}Икся - 1Икся-1x_ {i-1} «Методы Монте-Карло» в соответствии с Марковским соглашением являются уникальными уникальными для всех …
18 mcmc 
2
Когда MCMC стал обычным явлением?
Кто-нибудь знает, в каком году MCMC стал обычным явлением (то есть популярным методом байесовского вывода)? Ссылка на количество опубликованных MCMC (журнальных) статей с течением времени будет особенно полезной.
18 bayesian  mcmc  history 
1
MCMC в ограниченном пространстве параметров?
Я пытаюсь применить MCMC к проблеме, но мои априоры (в моем случае это α∈[0,1],β∈[0,1]α∈[0,1],β∈[0,1]\alpha\in[0,1],\beta\in[0,1] )) ограничены областью? Могу ли я использовать обычный MCMC и игнорировать выборки, которые выходят за пределы запрещенной зоны (которая в моем случае равна [0,1] ^ 2), то есть повторно использовать функцию перехода, когда новый переход выпадает …
1
Гарантирует ли алгоритм выборки Гиббса детальный баланс?
У меня есть высший авторитет 1, что выборка Гиббса является частным случаем алгоритма Метрополиса-Гастингса для выборки Маркова с цепочкой Монте-Карло. Алгоритм MH всегда дает вероятность перехода с подробным свойством баланса; Я думаю, что Гиббс тоже должен. Так где же в следующем простом случае я ошибся? Для целевого распределения π(x,y)π(x,y)\pi(x, y) …
17 mcmc  gibbs 
2
Хит и запустить MCMC
Я пытаюсь реализовать алгоритм запуска и запуска MCMC, но у меня возникли проблемы с пониманием, как это сделать. Общая идея заключается в следующем: Чтобы сгенерировать скачок предложения в MH, мы: Создать направление из распределения на поверхности единичной сферы OdddOO\mathcal{O} Генерируйте расстояние вдоль ограниченного пространства.λλ\lambda Тем не менее, я понятия не …
16 r  bayesian  mcmc 
1
Стан
Я просматривал документацию Стэна, которую можно скачать отсюда . Я был особенно заинтересован в их реализации диагностики Гельмана-Рубина. Оригинальная статья Gelman & Rubin (1992) определяет потенциальный коэффициент уменьшения масштаба (PSRF) следующим образом: Пусть быть я й пробы цепь Маркова, и пусть будет в целом M независимые цепи выборочные. Пусть ˉ …
2
Чем ABC и MCMC отличаются в своих приложениях?
Насколько я понимаю, приблизительные байесовские вычисления (ABC) и цепь Маркова Монте-Карло (MCMC) имеют очень похожие цели. Ниже я опишу свое понимание этих методов и то, как я воспринимаю различия в их применении к реальным данным. Приближенное байесовское вычисление ABC состоит из выборки параметра θθ\theta из предшествующего, посредством численного моделирования вычисляют …
2
Выборка из неправильного распределения (с использованием MCMC и других)
Мой основной вопрос: как бы вы пробовали неправильный дистрибутив? Имеет ли смысл пробовать неправильный дистрибутив? Здесь комментарии Сианя как бы касаются вопроса, но я искал некоторые подробности по этому поводу. Более конкретно для MCMC: Говоря о MCMC и читая статьи, авторы подчеркивают, что получили правильные апостериорные распределения. Есть знаменитая газета …
2
Предсказания от модели BSTS (в R) полностью проваливаются
Прочитав этот пост в блоге о байесовских моделях структурных временных рядов, я хотел взглянуть на реализацию этого в контексте проблемы, для которой я ранее использовал ARIMA. У меня есть некоторые данные с некоторыми известными (но шумными) сезонными компонентами - это определенно есть ежегодные, ежемесячные и еженедельные компоненты, а также некоторые …
15 r  time-series  bayesian  mcmc  bsts 
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.