Preguntas etiquetadas con simulation

¿Cuál sería la mejor manera de tomar muestras de la distribución de Cantor ? Solo tiene cdf y no podemos invertirlo.

19 distributions  simulation  random-generation 

Entiendo que cuando se utiliza un enfoque bayesiano para estimar los valores de los parámetros: La distribución posterior es la combinación de la distribución previa y la distribución de probabilidad. Simulamos esto generando una muestra de la distribución posterior (por ejemplo, usando un algoritmo de Metropolis-Hasting para generar valores, y …

19 bayesian  inference  simulation  mcmc  posterior 

Estoy en décimo grado y estoy buscando simular datos para un proyecto de feria de ciencias de aprendizaje automático. El modelo final se usará en los datos del paciente y predecirá la correlación entre ciertos momentos de la semana y el efecto que esto tiene sobre la adherencia a la …

18 machine-learning  statistical-significance  t-test  python  simulation 

Algunos de ustedes podrían haber leído este bonito artículo: O'Hara RB, Kotze DJ (2010) No log-transforma los datos de recuento. Methods in Ecology and Evolution 1: 118–122. Klick . En mi campo de investigación (ecotoxicología) estamos lidiando con experimentos pobremente replicados y los GLM no son ampliamente utilizados. Entonces hice …

18 r  generalized-linear-model  simulation  negative-binomial  type-i-and-ii-errors 

Tengo datos de series temporales y utilicé un ARIMA(p,d,q)+XtARIMA(p,d,q)+XtARIMA(p,d,q)+X_t como modelo para ajustar los datos. La XtXtX_t es una variable aleatoria indicadora que es 0 (cuando no veo un evento raro) o 1 (cuando veo el evento raro). Basado en observaciones previas que tengo para XtXtX_t , puedo desarrollar un …

18 time-series  forecasting  simulation 

Esta pregunta de validación cruzada sobre la simulación de una muestra condicional a tener una suma fija me recordó un problema que George Casella me planteó . Dado un modelo paramétrico y una muestra de iid de este modelo , el MLE de viene dado por Para un valor dado …

17 maximum-likelihood  conditional-probability  random-variable  simulation  t-distribution 

Necesito generar números aleatorios siguiendo la distribución Normal dentro del intervalo . (Estoy trabajando en R.)(a,b)(a,b)(a,b) Sé que la función rnorm(n,mean,sd)generará números aleatorios siguiendo la distribución normal, pero ¿cómo establecer los límites de intervalo dentro de eso? ¿Hay alguna función R particular disponible para eso?

17 r  normal-distribution  matlab  simulation  random-generation 

Realicé una evaluación por computadora de diferentes métodos para ajustar un tipo particular de modelo utilizado en las ciencias paleo. Tenía un conjunto de entrenamiento de gran tamaño y, por lo tanto, al azar (muestreo aleatorio estratificado) dejé de lado un conjunto de prueba. Ajusté diferentes métodos a las muestras …

17 r  mixed-model  multiple-comparisons  simulation  independence 

Escuché que bajo la hipótesis nula, la distribución del valor p debería ser uniforme. Sin embargo, las simulaciones de la prueba binomial en MATLAB devuelven distribuciones muy diferentes de las uniformes con una media mayor que 0.5 (0.518 en este caso): coin = [0 1]; success_vec = nan(20000,1); for i …

17 matlab  p-value  binomial  simulation  uniform 

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 

El cálculo bayesiano aproximado es una técnica realmente genial para ajustar básicamente cualquier modelo estocástico, destinado a modelos donde la probabilidad es intratable (por ejemplo, puede tomar muestras del modelo si fija los parámetros pero no puede calcular la probabilidad numérica, algorítmica o analíticamente ). Al presentar el cálculo bayesiano …

16 bayesian  simulation  model  likelihood  abc 

Supongamos que tengo dos distribuciones marginales univariadas, digamos FFF y GGG , que puedo simular. Ahora, construya su distribución conjunta usando una cópula gaussiana , denotada C(F,G;Σ)C(F,G;Σ)C(F,G;\Sigma) . Todos los parámetros son conocidos. ¿Existe algún método que no sea MCMC para simular a partir de esta cópula?

16 normal-distribution  simulation  copula 

Simulación de novo de datos de un marco de datos de diseño experimental. Con un enfoque en R (aunque otra solución de lenguaje sería genial). Al diseñar un experimento o una encuesta, simular datos y realizar un análisis de estos datos simulados puede proporcionar una excelente visión de las ventajas …

16 r  experiment-design  simulation 

Para simular una distribución normal a partir de un conjunto de variables uniformes, existen varias técnicas: El algoritmo Box-Muller , en el que se toman muestras de dos variables uniformes independientes en (0,1)(0,1)(0,1) y se transforman en dos distribuciones normales estándar independientes a través de: Z0=−2lnU1−−−−−−√cos(2πU0)Z1=−2lnU1−−−−−−√sin(2πU0)Z0=−2lnU1cos(2πU0)Z1=−2lnU1sin(2πU0) Z_0 = \sqrt{-2\text{ln}U_1}\text{cos}(2\pi U_0)\\ …

15 normal-distribution  simulation  uniform 

Recientemente compré un recurso de entrevista de ciencia de datos en el que una de las preguntas de probabilidad era la siguiente: Dados sorteos de una distribución normal con parámetros conocidos, ¿cómo puede simular sorteos de una distribución uniforme? Mi proceso de pensamiento original fue que, para una variable aleatoria …

15 self-study  normal-distribution  simulation  uniform