Preguntas etiquetadas con metropolis-hastings

He estado tratando de aprender métodos MCMC y me he encontrado con el muestreo de Metropolis Hastings, Gibbs, Importancia y Rechazo. Si bien algunas de estas diferencias son obvias, es decir, cómo Gibbs es un caso especial de Metropolis Hastings cuando tenemos los condicionales completos, las otras son menos obvias, …

36 mcmc  monte-carlo  gibbs  metropolis-hastings  importance-sampling 

Cuando estoy codificando una simulación de Monte Carlo para algún problema, y ​​el modelo es lo suficientemente simple, uso un libro de texto muy básico de muestreo de Gibbs. Cuando no es posible usar el muestreo de Gibbs, codifico el libro de texto Metropolis-Hastings que aprendí hace años. El único …

21 bayesian  mcmc  gibbs  metropolis-hastings 

Estoy leyendo sobre MCMC adaptativa (véase, por ejemplo, el Capítulo 4 del Manual de Markov Chain Monte Carlo , ed. Brooks et al., 2011; y también Andrieu & Thoms, 2008 ). nnnp(n)p(n)p(n)limn→∞p(n)=0limn→∞p(n)=0\lim_{n \rightarrow \infty} p(n) = 0 Este resultado es (a posteriori) intuitivo, asintóticamente. Como la cantidad de adaptación tiende …

20 simulation  mcmc  random-generation  metropolis-hastings 

Acabo de leer un poco sobre el muestreo de Gibbs y el algoritmo Metropolis Hastings y tengo un par de preguntas. Según tengo entendido, en el caso del muestreo de Gibbs, si tenemos un gran problema multivariado, tomamos muestras de la distribución condicional, es decir, tomamos muestras de una variable …

20 bayesian  sampling  mcmc  gibbs  metropolis-hastings 

Hoy estaba leyendo el blog de Christian Robert y me gustó bastante el nuevo algoritmo Metropolis-Hastings que estaba discutiendo. Parecía simple y fácil de implementar. Cada vez que codifico MCMC, tiendo a mantener algoritmos MH muy básicos, como movimientos independientes o caminatas aleatorias en la escala de registro. ¿Qué algoritmos …

20 mcmc  metropolis-hastings 

Existen diferentes tipos de algoritmos MCMC: Metrópolis-Hastings Gibbs Muestra de importancia / rechazo (relacionado). ¿Por qué se usaría el muestreo de Gibbs en lugar de Metropolis-Hastings? Sospecho que hay casos en los que la inferencia es más manejable con el muestreo de Gibbs que con Metropolis-Hastings, pero no tengo claros …

20 bayesian  simulation  mcmc  gibbs  metropolis-hastings 

Suponga que tengo una función g(x)g(x)g(x) que deseo integrar ∫∞−∞g(x)dx.∫−∞∞g(x)dx. \int_{-\infty}^\infty g(x) dx. Por supuesto, suponiendo que g(x)g(x)g(x) va a cero en los puntos finales, sin ampliaciones, buena función. Una forma con la que he estado jugando es usar el algoritmo Metropolis-Hastings para generar una lista de muestras x1,x2,…,xnx1,x2,…,xnx_1, x_2, …

16 simulation  monte-carlo  metropolis-hastings  numerical-integration 

Estaba revisando la documentación de Stan que se puede descargar desde aquí . Estaba particularmente interesado en su implementación del diagnóstico Gelman-Rubin. El artículo original Gelman y Rubin (1992) define el factor de reducción de escala potencial (PSRF) de la siguiente manera: Deje que sea ​​la ésima cadena de Markov …

16 mcmc  convergence  gibbs  metropolis-hastings  stan 

En las últimas semanas, he estado tratando de entender MCMC y los algoritmos de Metropolis-Hastings. Cada vez que creo entenderlo me doy cuenta de que estoy equivocado. La mayoría de los ejemplos de código que encuentro en línea implementan algo que no es consistente con la descripción. es decir: dicen …

15 mcmc  metropolis-hastings 

Paseo aleatorio Metropolis-Hasitings con propuesta simétrica q( x | y) = g( | y- x | )q(XEl |y)=sol(El |y-XEl |)q(x|y)= g(|y-x|) tiene la propiedad de que la probabilidad de aceptación PAG( a c c e p t y ) = min { 1 , f( y) / f( x ) …

14 mcmc  metropolis-hastings 

He estado tratando de entender el algoritmo de Metropolis-Hastings para escribir un código para estimar los parámetros de un modelo (es decir, F( x ) = a ∗ xF(X)=un∗Xf(x)=a*x ). Según la bibliografía, el algoritmo Metropolis-Hastings tiene los siguientes pasos: Generar Yt∼ q( yEl | Xt)Yt∼q(yEl |Xt)Y_t \sim q(y|x^t) Xt …

14 mcmc  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 …

13 mcmc  metropolis-hastings 

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 

Necesito hacer una simulación para evaluar una integral de una función de 3 parámetros, decimos , que tiene una fórmula muy complicada. Se le pide que use el método MCMC para calcularlo e implementar el algoritmo Metropolis-Hastings para generar los valores distribuidos como , y se le sugirió utilizar una …

11 mcmc  metropolis-hastings 

Me encontré con el siguiente problema de simulación: dado un conjunto de números reales conocidos, una distribución en está definida por donde denota la parte positiva de . Si bien puedo pensar en una muestra de Metropolis-Hastings dirigida a esta distribución, me pregunto si existe una muestra directa eficiente, aprovechando …

9 simulation  algorithms  random-generation  computational-statistics  metropolis-hastings