Dalam metode MCMC , saya terus membaca tentang burn-inwaktu atau jumlah sampel "burn". Apa ini sebenarnya, dan mengapa itu dibutuhkan? Memperbarui: Setelah MCMC stabil, apakah tetap stabil? Bagaimana pengertian burn-inwaktu terkait dengan waktu
Dalam bukunya Doing Bayesian Data Analysis, John Kruschke menyatakan bahwa dalam menggunakan JAGS dari R ... estimasi mode dari sampel MCMC bisa agak tidak stabil karena estimasi tersebut didasarkan pada algoritma perataan yang bisa peka terhadap benjolan dan riak acak dalam sampel MCMC. (...
Saya mulai mengenal statistik Bayesian dengan membaca buku Doing Bayesian Data Analysis , oleh John K. Kruschke yang juga dikenal sebagai "buku anak anjing". Dalam bab 9, model hierarkis diperkenalkan dengan contoh sederhana ini: dan pengamatan Bernoulli adalah 3 koin, masing-masing 10 membalik....
Saya telah menemukan teks yang sangat bagus di Bayes / MCMC. TI menyarankan bahwa standardisasi variabel independen Anda akan membuat algoritma MCMC (Metropolis) lebih efisien, tetapi juga dapat mengurangi (multi) collinearity. Bisakah itu benar? Apakah ini sesuatu yang harus saya lakukan sebagai...
Saya mengalami masalah kinerja menggunakan MCMCglmmpaket di R untuk menjalankan model efek campuran. Kode ini terlihat seperti ini: MC1<-MCMCglmm(bull~1,random=~school,data=dt,family="categorical" , prior=list(R=list(V=1,fix=1), G=list(G1=list(V=1, nu=0))) , slice=T, nitt=iter, ,burnin=burn,...
Saya mendapat kesan bahwa fungsi lmer()dalam lme4paket tidak menghasilkan nilai-p (lihat lmer, nilai-p dan semua itu ). Saya telah menggunakan MCMC menghasilkan nilai p sebagai per pertanyaan ini: Efek signifikan dalam lme4model campuran dan pertanyaan ini: Tidak dapat menemukan nilai-p dalam...
Mengacu pada utas ini: Bagaimana Anda menjelaskan Markov Chain Monte Carlo (MCMC) kepada orang awam? . Saya dapat melihat bahwa itu adalah kombinasi dari Rantai Markov dan Monte Carlo: rantai Markov dibuat dengan posterior sebagai distribusi pembatas yang tidak berubah dan kemudian pengundian...
Saya membaca makalah penelitian menggunakan metode MCMC dan saya melihat sebagian besar dari mereka menyediakan plot jejak. Mengapa kita membutuhkan jejak jejak di Monte Carlo Markov Chain? Apa yang ditunjukkan oleh jejak jejak
Sejauh yang saya mengerti, itulah (setidaknya, itulah yang didefinisikan oleh Wikipedia ). Tetapi saya telah menemukan pernyataan ini oleh Efron * (penekanan ditambahkan): Rantai Markov Monte Carlo (MCMC) adalah kisah sukses besar statistik Bayesian modern. MCMC, dan metode saudaranya "Gibbs...
Saya sebenarnya ragu untuk menanyakan hal ini, karena saya khawatir saya akan dirujuk ke pertanyaan lain atau Wikipedia di Gibbs sampling, tetapi saya tidak merasa mereka menggambarkan apa yang ada di tangan. Diberikan probabilitas bersyarat : p ( x | y ) y = y 0 y = y 1 x = x 0
Saya terus membaca tentang perlunya memeriksa autokorelasi di MCMC. Mengapa autokorelasi itu penting? Apa yang diukur dalam konteks
Program debugging MCMC terkenal sulit. Kesulitan muncul karena beberapa masalah beberapa di antaranya adalah: (A) Sifat siklik dari algoritma Kami secara iteratif menggambar parameter yang tergantung pada semua parameter lainnya. Dengan demikian, jika suatu implementasi tidak berfungsi dengan...
Saya perlu mempelajari metode Markov Chain Monte Carlo, untuk lebih spesifik saya perlu mempelajari algoritma Metropolis Hastings dan semua tentang itu seperti kriteria konvergensi. Siapa yang dapat meresepkan saya buku, atau kertas, atau situs web, yang menjelaskan argumen ini menggunakan istilah...
Saya ingin menerapkan (dalam R) Model Dynamic Linear berikut yang sangat sederhana yang saya punya 2 parameter waktu yang tidak diketahui (varian kesalahan pengamatan dan varian kesalahan negara ).ϵ1tϵt1\epsilon^1_tϵ2tϵt2\epsilon^2_t Ytθt+1==θt+ϵ1tθt+ϵ2tYt=θt+ϵt1θt+1=θt+ϵt2 \begin{matrix} Y_t &...
Pertanyaan pekerjaan rumah: Pertimbangkan model Ising 1-d. Biarkan . adalah -1 atau +1x=(x1,...xd)x=(x1,...xd)x = (x_1,...x_d)xixix_i π(x)∝e∑39i=1xixi+1π(x)∝e∑i=139xixi+1\pi(x) \propto e^{\sum_{i=1}^{39}x_ix_{i+1}} Desain algoritma pengambilan sampel gibbs untuk menghasilkan sampel kira-kira...
Saya mencari beberapa makalah atau buku dengan contoh praktis dan teoritis tentang MCMC dasar untuk Bayesian Statistics (With R). Saya belum pernah belajar tentang simulasi, dan itulah sebabnya saya mencari informasi "dasar". Bisakah Anda memberi saya beberapa rekomendasi atau
Sebuah hutan random adalah kumpulan pohon keputusan dibentuk oleh acak memilih hanya fitur tertentu untuk membangun setiap pohon dengan (dan kadang-kadang mengantongi data training). Tampaknya mereka belajar dan menggeneralisasi dengan baik. Adakah yang melakukan pengambilan sampel MCMC pada ruang...
The mgcvpaket untuk Rmemiliki dua fungsi untuk pas interaksi produk tensor: te()dan ti(). Saya memahami pembagian kerja dasar antara keduanya (menyesuaikan interaksi non-linear vs menguraikan interaksi ini menjadi efek utama dan interaksi). Yang tidak saya mengerti adalah mengapa te(x1, x2)dan...
Di halaman wiki mereka , pengembang status Stan: Beberapa prinsip yang tidak kita sukai: invarian, Jeffreys, entropi Sebagai gantinya, saya melihat banyak rekomendasi distribusi normal. Sejauh ini saya menggunakan metode Bayesian yang tidak bergantung pada pengambilan sampel, dan agak senang...
Mengingat rumus untuk estimasi MAP dari suatu parameter Mengapa diperlukan pendekatan MCMC (atau serupa), tidak bisakah saya mengambil turunannya, menetapkannya menjadi nol dan kemudian menyelesaikannya untuk