Вопросы с тегом «monte-carlo»

Использование (псевдо) случайных чисел и закона больших чисел для имитации случайного поведения реальной системы.

1
Как определить важные основные компоненты, используя метод начальной загрузки или метод Монте-Карло?
Я заинтересован в определении количества значимых паттернов, вытекающих из анализа основных компонентов (PCA) или анализа эмпирических ортогональных функций (EOF). Я особенно заинтересован в применении этого метода к климатическим данным. Поле данных представляет собой матрицу MxN, где М - это измерение времени (например, дни), а N - пространственное измерение (например, положения …
40 r  pca  bootstrap  monte-carlo 

6
Эмпирическое правило для количества образцов начальной загрузки
Интересно, знает ли кто-нибудь какие-либо общие практические правила относительно количества выборок начальной загрузки, которые следует использовать, основываясь на характеристиках данных (количество наблюдений и т. Д.) И / или включенных переменных?

1
В чем разница между метрополисом Гастингсом, Гиббсом, Важностью и Отбором?
Я пытался изучить методы MCMC и наткнулся на выборку Metropolis Hastings, Gibbs, Важность и Отклонение. Хотя некоторые из этих различий очевидны, т. Е. То, как Гиббс является особым случаем Метрополиса Гастингса, когда у нас есть полные условия, другие менее очевидны, например, когда мы хотим использовать MH в семплере Гиббса и …

6
Являются ли все методы моделирования той или иной формой Монте-Карло?
Есть ли метод моделирования, который не является Монте-Карло? Все методы моделирования включают подстановку случайных чисел в функцию, чтобы найти диапазон значений для функции. Так все ли методы моделирования по сути являются методами Монте-Карло?

6
Примерное
Недавно я смотрел на симуляцию Монте-Карло и использовал ее для аппроксимации констант, таких как ππ\pi (окружность внутри прямоугольника, пропорциональная область). Однако я не могу придумать соответствующий метод аппроксимации значения eee [число Эйлера] с использованием интеграции Монте-Карло. Есть ли у вас какие-либо указания о том, как это можно сделать?


3
К-фолд против Монте-Карло перекрестной проверки
Я пытаюсь изучить различные методы перекрестной проверки, прежде всего с намерением применить к методам многомерного анализа под наблюдением. Два, с которыми я столкнулся, являются методами перекрестной проверки K-fold и Monte Carlo. Я читал, что K-fold - это вариант Монте-Карло, но я не уверен, что полностью понимаю, из чего состоит определение …

5
Зачем использовать метод Монте-Карло вместо простой сетки?
при интеграции функции или в сложном моделировании я видел, что метод Монте-Карло широко используется. Я спрашиваю себя, почему нельзя создать сетку точек, чтобы интегрировать функцию вместо рисования случайных точек. Не приведет ли это к более точным результатам?


4
Могут ли быть использованы алгоритмы машинного обучения или глубокого обучения, чтобы «улучшить» процесс выборки техники MCMC?
Основываясь на небольшом знании о методах MCMC (цепочка Маркова, Монте-Карло), я понимаю, что отбор проб является важной частью вышеупомянутой техники. Наиболее часто используемые методы отбора проб - это гамильтониан и метрополис. Есть ли способ использовать машинное обучение или даже глубокое обучение для создания более эффективного сэмплера MCMC?

4
Как спроецировать новый вектор на пространство PCA?
После выполнения анализа главных компонентов (PCA) я хочу спроецировать новый вектор на пространство PCA (т.е. найти его координаты в системе координат PCA). Я рассчитал PCA на языке R, используя prcomp. Теперь я должен быть в состоянии умножить свой вектор на матрицу вращения PCA. Должны ли главные компоненты в этой матрице …
21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

1
Как мы можем моделировать из геометрической смеси?
Если - известные плотности, из которых я могу смоделировать, т. Е. Для которых доступен алгоритм. и если продукт является интегрируемым, существует ли общий подход для моделирования на основе этой плотности продукта с использованием симуляторы от ?k ∏ i = 1 f i ( x ) α if1,…,fkf1,…,fkf_1,\ldots,f_kf i∏i=1kfi(x)αiα1,…,αk>0∏i=1kfi(x)αiα1,…,αk>0\prod_{i=1}^k f_i(x)^{\alpha_i}\qquad \alpha_1,\ldots,\alpha_k>0fifif_i

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 …

3
Эффективно генерируйте очки между кругом юнитов и квадратом
Я хотел бы создать образцы из синей области, определенной здесь: Наивным решением является использование выборки отбраковки на единицу площади, но это обеспечивает эффективность только (~ 21,4%).1−π/41-π/41-\pi/4 Есть ли какой-нибудь способ, которым я могу сделать выборку более эффективно?

2
Может ли кто-нибудь объяснить мне орехи на английском языке?
Мое понимание алгоритма следующее: Пробоотборник без разворота (NUTS) - это метод Гамильтона Монте-Карло. Это означает, что это не метод цепей Маркова, и, таким образом, этот алгоритм избегает части случайного блуждания, которая часто считается неэффективной и медленно сходится. Вместо случайного блуждания NUTS делает прыжки длиной x. Каждый прыжок удваивается, поскольку алгоритм …

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.