Preguntas etiquetadas con mcmc

Markov Chain Monte Carlo (MCMC) se refiere a una clase de métodos para generar muestras a partir de una distribución objetivo mediante la generación de números aleatorios a partir de una cadena Markov cuya distribución estacionaria es la distribución objetivo. Los métodos MCMC se usan típicamente cuando los métodos más directos para la generación de números aleatorios (por ejemplo, el método de inversión) no son factibles. El primer método MCMC fue el algoritmo Metropolis, luego modificado al algoritmo Metropolis-Hastings.

3
Hacer MCMC: usar jags / stan o implementarlo yo mismo
Soy nuevo en la investigación de estadísticas bayesianas. Escuché de los investigadores que los investigadores bayesianos implementan mejor MCMC por sí mismos en lugar de usar herramientas como JAGS / Stan. ¿Puedo preguntar cuál es el beneficio de implementar el algoritmo MCMC por sí mismo (en un lenguaje "no bastante …
13 bayesian  mcmc 
2
Proceso AR (1) con errores de medición heteroscedastic
1. El problema Tengo algunas mediciones de una variable ytyty_t , donde t=1,2,..,nt=1,2,..,nt=1,2,..,n , para el cual tengo una distribución fyt(yt)fyt(yt)f_{y_t}(y_t) obtenida a través de MCMC, que por simplicidad supondré que es una gaussiana de media μtμt\mu_t y varianza σ2tσt2\sigma_t^2 . Tengo un modelo físico para esas observaciones, digamos g(t)g(t)g(t) …
3
Comprensión de MCMC: ¿cuál sería la alternativa?
Aprendizaje de estadísticas bayesianas por primera vez; Como un ángulo para comprender MCMC, me preguntaba: ¿está haciendo algo que fundamentalmente no se puede hacer de otra manera, o simplemente está haciendo algo mucho más eficiente que las alternativas? A modo de ilustración, supongamos que estamos tratando de calcular la probabilidad …
13 bayesian  mcmc 
1
Comprensión de MCMC y el algoritmo Metropolis-Hastings
En los últimos días he estado tratando de entender cómo funciona Markov Chain Monte Carlo (MCMC). En particular, he estado tratando de entender e implementar el algoritmo Metropolis-Hastings. Hasta ahora creo que tengo una comprensión general del algoritmo, pero hay algunas cosas que aún no me quedan claras. Quiero usar …
2
¿MCMC converge a un solo valor?
Estoy tratando de ajustar un modelo jerárquico usando jags y el paquete rjags. Mi variable de resultado es y, que es una secuencia de ensayos de bernoulli. Tengo 38 sujetos humanos que se desempeñan en dos categorías: P y M. Según mi análisis, cada hablante tiene una probabilidad de éxito …
1
¿Por qué la parametrización media redundante acelera Gibbs MCMC?
En el libro de Gelman & Hill (2007) (Análisis de datos utilizando regresión y modelos multinivel / jerárquicos), los autores afirman que incluir parámetros medios redundantes puede ayudar a acelerar MCMC. El ejemplo dado es un modelo no anidado de "simulador de vuelo" (Ec. 13.9): yiγjδk∼N(μ+γj[i]+δk[i],σ2y)∼N(0,σ2γ)∼N(0,σ2δ)yi∼N(μ+γj[i]+δk[i],σy2)γj∼N(0,σγ2)δk∼N(0,σδ2) \begin{align} y_i &\sim N(\mu …
2
Fiabilidad del modo de una muestra MCMC
En su libro Doing Bayesian Data Analysis, John Kruschke afirma que al usar JAGS de R ... la estimación del modo de una muestra de MCMC puede ser bastante inestable porque la estimación se basa en un algoritmo de suavizado que puede ser sensible a golpes y ondulaciones aleatorias en …
12 bayesian  mcmc  mode 
1
¿Cuándo debería preocuparme la paradoja de Jeffreys-Lindley en la elección del modelo bayesiano?
Estoy considerando un espacio grande (pero finito) de modelos de complejidad variable que exploro usando RJMCMC . Lo anterior en el vector de parámetros para cada modelo es bastante informativo. ¿En qué casos (si corresponde) debería preocuparme la paradoja de Jeffreys-Lindley que favorece modelos más simples cuando uno de los …
2
¿Cuándo es útil MCMC?
Tengo problemas para comprender en qué situación el enfoque MCMC es realmente útil. Estoy revisando un ejemplo de juguete del libro de Kruschke "Haciendo análisis de datos bayesianos: un tutorial con R y BUGS". Lo que entendí hasta ahora es que necesitamos una distribución objetivo que sea proporcional a para …
12 mcmc 
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.