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
¿Existe una técnica estándar para depurar programas MCMC?
La depuración de programas MCMC es notoriamente difícil. La dificultad surge debido a varios problemas, algunos de los cuales son: (a) Naturaleza cíclica del algoritmo Dibujamos iterativamente parámetros condicionales a todos los demás parámetros. Por lo tanto, si una implementación no funciona correctamente, es difícil aislar el error ya que …
11 mcmc 
2
¿Por qué hay recomendaciones contra el uso de Jeffreys o anteriores basados ​​en entropía para muestreadores MCMC?
En su página wiki , los desarrolladores del estado de Stan: Algunos principios que no nos gustan: invariancia, Jeffreys, entropía En cambio, veo muchas recomendaciones de distribución normal. Hasta ahora utilicé métodos bayesianos que no dependían del muestreo, y me alegré de haber entendido por qué fue una buena opción …
11 bayesian  mcmc  prior  pymc  stan 
1
R / mgcv: ¿Por qué los productos tensoriales te () y ti () producen superficies diferentes?
El mgcvpaquete Rtiene dos funciones para ajustar las interacciones del producto tensorial: te()y ti(). Entiendo la división básica del trabajo entre los dos (ajustar una interacción no lineal versus descomponer esta interacción en efectos principales y una interacción). Lo que no entiendo es por qué te(x1, x2)y ti(x1) + ti(x2) …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
5
Algoritmo de Metropolis Hastings
Necesito estudiar los métodos de Markov Chain Monte Carlo, para ser más específico, necesito estudiar el algoritmo de Metropolis Hastings y todo lo relacionado con los criterios de convergencia. ¿Quién me puede recetar un libro, un documento o un sitio web que explique este argumento usando términos simples, pero sin …
11 references  mcmc 
1
Combinando múltiples cadenas MCMC paralelas en una cadena más larga
Digamos que se han ejecutado cadenas MCMC paralelas donde cada cadena ha tenido quemado. Deje que las cadenas resultantes se denoten por donde es la longitud de cada cadena después de quemadommmx(i)1,…,x(i)N for i=1,…,m,x1(i),…,xN(i) for i=1,…,m, x_1^{(i)},\dots,x_N^{(i)} \quad \text{ for } i=1,\dots,m,NNN Si uno quisiera combinar estas cadenas en una …
1
¿Existe una muestra de Monte Carlo / MCMC implementada que pueda tratar con máximos locales aislados de distribución posterior?
Actualmente estoy usando un enfoque bayesiano para estimar los parámetros de un modelo que consta de varias EDO. Como tengo 15 parámetros para estimar, mi espacio de muestreo es de 15 dimensiones y mi búsqueda de distribución posterior parece tener muchos máximos locales que están muy aislados por grandes regiones …
1
Evitar que falle el muestreo de importancia suavizado de Pareto (PSIS-LOO)
Recientemente comencé a usar la validación cruzada de muestreo de importancia suavizada Pareto (PSIS-LOO), descrita en estos documentos: Vehtari, A. y Gelman, A. (2015). Pareto suavizó el muestreo de importancia. preimpresión arXiv ( enlace ). Vehtari, A., Gelman, A. y Gabry, J. (2016). Evaluación práctica del modelo bayesiano utilizando validación …
1
Gestión de alta autocorrelación en MCMC
Estoy construyendo un modelo bayesiano jerárquico bastante complejo para un metanálisis usando R y JAGS. Simplificando un poco, los dos niveles clave del modelo tienen donde es la ésima observación del punto final (en este caso, rendimientos de cultivos modificados genéticamente vs. no modificados genéticamente) en el estudio , es …
2
Censura / Truncamiento en JAGS
Tengo una pregunta sobre cómo encajar un problema de censura en JAGS. Observo una mezcla bivariada normal donde los valores de X tienen un error de medición. Me gustaría modelar los verdaderos 'medios' subyacentes de los valores censurados observados. ⌈ xt r u e+ ϵ ⌉ = xo b s …
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.