In einer MCMC-Implementierung hierarchischer Modelle mit normalen Zufallseffekten und einem Wishart-Prior für ihre Kovarianzmatrix wird typischerweise die Gibbs-Abtastung verwendet. Wenn wir jedoch die Verteilung der zufälligen Effekte ändern (z. B. auf Student's-t oder einen anderen), geht die...
Können wir die Akzeptanzrate im Metropolis-Algorithmus für zufällige Spaziergänge ändern, indem wir den Parameter der Angebotsverteilung ändern? Die Zielverteilung sei . Sei die Vorschlagsdichte für einen neuen Zustand im aktuellen Zustand . Die Akzeptanzrate ist p ( x 2 | x 1 ) x 2 x 1 α = min (...
Ich habe Coda-Pakete verwendet effectiveSize(), um die effektive Stichprobengröße meiner MCMC-Simulation zu ermitteln. Meine effektive Stichprobengröße ist größer als die tatsächliche Stichprobengröße, z. B. 9813,626 größer als 9501. Ich frage mich, ob das sinnvoll ist. Mein Verständnis ist, dass...
Problem: Ich möchte eine Gibbs-Stichprobe durchführen, um einen posterioren Wert über einen großen Datensatz abzuleiten. Leider ist mein Modell nicht sehr einfach und daher ist die Abtastung zu langsam. Ich würde Variations- oder Parallelansätze in Betracht ziehen, aber bevor ich so weit gehe ......
Ich habe ein Modell, um Bayes'sche Schätzungen der Populationsgröße NNN und der Erkennungswahrscheinlichkeit θθ\theta in einer Binomialverteilung zu erhalten, die ausschließlich auf der beobachteten Anzahl beobachteter Objekte basieren yyy: p(N,θ|y)∝Bin(y|N,θ)Np(N,θ|y)∝Bin(y|N,θ)N...
In Verbindung mit einer Kreuzvalidierten Frage zur Simulation aus einer bestimmten Kopula, dh einem multivariaten cdf definiert aufC(u1,…,uk)C(u1,…,uk)C(u_1,\ldots,u_k)[0,1]k[0,1]k[0,1]^k , begann ich mich über das größere Bild zu wundern, nämlich wie, Kann man bei einer solchen Funktion einen...
Ich verwende PyMC, um die posteriore Verteilung abzutasten, und bin auf eine Straßensperre gestoßen, bei der Priors aus Samples verwendet werden, keine Modelle. Meine Situation ist wie folgt: Ich habe einige empirische Daten für einen Parameter aus dem ich eine Wahrscheinlichkeitsverteilung p (z)...
Stellen Sie sich vor, wir probieren eine Kovarianzmatrix aus einer Wishart-Verteilung von MCMC. Bei jeder Iteration erhalten wir eine neue Beispielmatrix aus der Wishart-Verteilung.SiSiS_i Frage : Kann ich angesichts der Kurve, die alle Stichproben , die Autokorrelation dieser Stichproben...
In der Metropolis-Hastings-Markov-Kette Monte Carlo kann die Angebotsverteilung alles sein, einschließlich des Gaußschen (laut Wikipedia). F: Was ist die Motivation, etwas anderes als Gaußsch zu verwenden? Gauß funktioniert, es ist leicht zu bewerten, es ist schnell und jeder versteht es. Warum...
Ich habe die großartigen Kommentare zum Umgang mit fehlenden Werten vor dem Anwenden von SVD gelesen, möchte aber anhand eines einfachen Beispiels wissen, wie dies funktioniert: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Wenn ich in der obigen Matrix die NA-Werte...
Ich habe ein Modell, das geht : Single parameter -> Complex likelihood function -> Log-likelihood. Ich habe eine MCMC-Kette (mit pymc) ausgeführt und die Spur des Parameters und die Log-Wahrscheinlichkeit aufgezeichnet. Die Parameterschätzung war vernünftig, aber das Log-Likelihood-Diagramm...
Ich versuche, HMC mit einer nicht diagonalen Massenmatrix zu implementieren, aber ich werde von einigen Begriffen gestolpert. Laut BDA3 und Neals Bericht ist der kinetische Energiebegriff (der meiner Meinung nach aus Bequemlichkeitsgründen immer verwendet wird) K.( p ) = pT.M.- 1p2.K(p)=pTM−1p2....
Ich schätze derzeit Parameter eines Modells, das durch mehrere gewöhnliche Differentialgleichungen (ODEs) definiert ist. Ich versuche dies mit einem Bayes'schen Ansatz, indem ich die posteriore Verteilung der Parameter anhand einiger Daten unter Verwendung der Markov-Kette Monte Carlo (MCMC)...
Ich habe versucht, ein Gefühl für die verschiedenen Probleme in frequentistischen Umgebungen zu bekommen, in denen MCMC verwendet wird. Ich bin mir bewusst, dass MCMC (oder Monte Carlo) zum Anpassen von GLMMs und möglicherweise in Monte Carlo EM-Algorithmen verwendet wird. Gibt es häufigere...
Ich schätze 15 Parameter meines Modells unter Verwendung eines Bayes'schen Ansatzes und einer Markov-Ketten-Monte-Carlo-Methode (MCMC). Meine Daten nach dem Ausführen einer MCMC-Kette von 100000 Proben sind daher eine 100000 × 15-Tabelle mit Parameterwerten. Ich möchte 15-dimensionale Regionen mit...
Ich lese gerade ein großartiges HMC-Einführungspapier von Prof. Michael Betancourt, aber ich verstehe nicht, wie wir die Verteilung des Impulses wählen sollen. Zusammenfassung Die Grundidee von HMC besteht darin, eine Impulsvariable in Verbindung mit der Zielvariablen einzuführen . Sie bilden...
Ich vermute, dass dies eine ziemlich ungewöhnliche und explorative Frage ist. Bitte nehmen Sie Kontakt mit mir auf. Ich frage mich, ob man die Idee der Wichtigkeitsstichprobe auf Gibbs-Stichproben anwenden könnte. Ich meine Folgendes: Bei der Gibbs-Abtastung ändern wir jeweils den Wert einer...
In einem Bayes'schen Modell wird die posteriore Vorhersageverteilung normalerweise wie folgt geschrieben: p (xn e w∣x1, …xn) =∫∞- ∞p (xn e w∣ μ ) p ( μ ∣ x1, …xn) dμp(xnew∣x1,…xn)=∫- -∞∞p(xnew∣μ) p(μ∣x1,…xn)dμ p(x_{new} \mid x_1, \ldots x_n) = \int_{-\infty}^{\infty} p(x_{new}\mid \mu) \ p(\mu...
Bei der Durchführung einer Bayes'schen Analyse ist die Autokorrelation der MCMC-Proben zu überprüfen. Aber ich verstehe nicht, was diese Autokorrelation verursacht. Hier sagen sie das Proben mit hoher Autokorrelation [von MCMC] werden häufig durch starke Korrelationen zwischen Variablen verursacht....
Vor einiger Zeit fragte Xi'an, was das Äquivalent für cdfs von MCMC für pdfs ist. Die naive Antwort wäre, den "ungefähren" Metropolis-Algorithmus in Form zu verwenden Gegeben 1. Erzeuge 2. nimmX(t)=x(t)X(t)=x(t)X^{(t)} = x^{(t)}Y∼q(y|x(t))Y∼q(y|x(t))Y \sim q(y|x^{(t)})X(t+1)={Yx(t) with...