Preguntas etiquetadas con metropolis-hastings

Encontré este artículo donde dice que en el muestreo de Gibbs se acepta cada muestra. Estoy un poco confundido. ¿Cómo es que si cada muestra que aceptaba converge a una distribución estacionaria? En general, el algoritmo Metropolis aceptamos como min (1, p (x *) / p (x)) donde x * …

9 mcmc  gibbs  metropolis-hastings 

Traté de simular a partir de una densidad bivariada usando algoritmos Metropolis en R y no tuve suerte. La densidad se puede expresar como , donde es la distribución de Singh-Maddalap ( y | x ) p ( x ) p ( x )p(x,y)p(x,y)p(x,y)p(y|x)p(x)p(y|x)p(x)p(y|x)p(x)p(x)p(x)p(x) p(x)=aqxa−1ba(1+(xb)a)1+qp(x)=aqxa−1ba(1+(xb)a)1+qp(x)=\dfrac{aq x^{a-1}}{b^a (1 + (\frac{x}{b})^a)^{1+q}} con …

9 sampling  monte-carlo  metropolis-hastings 

En el algoritmo Metropolis – Hastings para muestrear una distribución objetivo, dejemos que: πiπi\pi_{i} sea ​​la densidad objetivo en el estado ,iii πjπj\pi_j sea ​​la densidad objetivo en el estado propuesto ,jjj hijhijh_{ij} sea ​​la densidad propuesta para la transición al estado dado el estado actual ,jjjiii aijaija_{ij} sea ​​la …

9 mcmc  metropolis-hastings 

He estado tratando de tener una idea de los diferentes problemas en entornos frecuentistas donde se usa MCMC. Estoy familiarizado con que MCMC (o Monte Carlo) se usa para ajustar GLMM y quizás en algoritmos Monte Carlo EM. ¿Existen problemas más frecuentes cuando se usa MCMC?

8 mcmc  monte-carlo  expectation-maximization  metropolis-hastings  frequentist 

En la cadena Monte Carlo de Metropolis-Hastings Markov, la distribución de la propuesta puede ser cualquier cosa, incluida la gaussiana (según Wikipedia). P: ¿Cuál es la motivación para usar algo que no sea gaussiano? Gaussian funciona, es fácil de evaluar, es rápido y todos lo entienden. ¿Por qué consideraría algo …

8 sampling  mcmc  monte-carlo  metropolis-hastings 

En una implementación MCMC de modelos jerárquicos, con efectos aleatorios normales y un Wishart previo para su matriz de covarianza, se usa típicamente el muestreo de Gibbs. Sin embargo, si cambiamos la distribución de los efectos aleatorios (p. Ej., A Student's-t u otro), la conjugación se pierde. En este caso, …

8 mcmc  hierarchical-bayesian  metropolis-hastings 

Existen múltiples versiones de algoritmos adaptativos de Metropolis Hastings. Uno se implementa en la función Metro_Hastingsde Rpaquete MHadaptive, ver aquí . La referencia enumerada allí, Spiegelhalter et al. (2002), desafortunadamente no contiene una descripción de ningún algoritmo adaptativo, por lo que puedo ver. Sin embargo, el Metro_Hastingsalgoritmo funciona muy bien …

7 r  mcmc  metropolis-hastings