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
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
Pertanyaan: Dengan rantai MCMC 10 dimensi, katakanlah saya siap memberikan Anda sebuah matriks undian: 100.000 iterasi (baris) dengan 10 parameter (kolom), bagaimana cara terbaik saya mengidentifikasi mode posterior? Saya terutama memperhatikan beberapa mode. Latar Belakang:Saya menganggap diri...
Saya sedang mengerjakan fungsi Monte Carlo untuk menilai beberapa aset dengan pengembalian sebagian berkorelasi. Saat ini, saya hanya menghasilkan matriks kovarians dan memberi makan rmvnorm()fungsi dalam R. (Menghasilkan nilai acak berkorelasi.) Namun, melihat distribusi pengembalian suatu aset,...
Saya punya pertanyaan tentang bagaimana menyesuaikan masalah sensor di JAGS. Saya mengamati campuran bivariat normal di mana nilai X memiliki kesalahan pengukuran. Saya ingin memodelkan 'sarana' yang mendasari sebenarnya dari nilai-nilai yang disensor yang diamati.
Saya sedang mengerjakan proyek penelitian yang terkait dengan optimasi dan baru-baru ini punya ide untuk menggunakan MCMC dalam pengaturan ini. Sayangnya, saya cukup baru untuk metode MCMC jadi saya punya beberapa pertanyaan. Saya akan mulai dengan menjelaskan masalahnya dan kemudian mengajukan...
Saat ini saya menggunakan pendekatan bayesian untuk memperkirakan parameter untuk model yang terdiri dari beberapa ODE. Karena saya memiliki 15 parameter untuk diperkirakan, ruang pengambilan sampel saya adalah 15-dimensi dan pencarian saya untuk distribusi posterior tampaknya memiliki banyak...
Ini hanya contoh yang saya temui beberapa kali, jadi saya tidak punya data sampel. Menjalankan model regresi linier di R: a.lm = lm(Y ~ x1 + x2) x1adalah variabel kontinu. x2bersifat kategorikal dan memiliki tiga nilai, mis. "Rendah", "Sedang" dan "Tinggi". Namun output yang diberikan oleh R akan...
Saya memiliki pengalaman praktis yang cukup baik dengan sampel Metropolis-Hastings dan Gibbs, tetapi saya ingin mendapatkan pemahaman matematis yang lebih baik tentang algoritma ini. Apa saja buku teks atau artikel bagus yang membuktikan kebenaran sampler ini (lebih banyak algoritme juga...
Apa yang terjadi ketika Anda tidak memiliki gagasan tentang distribusi parameter? Pendekatan apa yang harus kita gunakan? Sebagian besar waktu kami bertujuan untuk menggarisbawahi jika variabel tertentu memiliki pengaruh terhadap ada / tidaknya spesies tertentu, dan variabel tersebut diterima atau...
Dalam beberapa kasus, dinamika Hamilton selalu lebih baik daripada random walk dalam algoritma Metropolis. Bisakah seseorang menjelaskan alasannya dengan kata-kata sederhana tanpa terlalu banyak
Setelah burn-in, bisakah kita langsung menggunakan iterasi MCMC untuk estimasi kepadatan, seperti dengan memplot histogram, atau estimasi kepadatan kernel? Kekhawatiran saya adalah bahwa iterasi MCMC belum tentu independen, meskipun paling banyak didistribusikan secara identik. Bagaimana jika kita...
Saya memodelkan penyebaran tanaman menggunakan distribusi normal umum ( entri wikipedia ), yang memiliki fungsi kerapatan probabilitas: b2aΓ(1/b)e−(da)bb2aΓ(1/b)e−(da)b \frac{b}{2a\Gamma(1/b)} e^{-(\frac{d}{a})^b} di mana adalah jarak yang ditempuh, adalah parameter skala, dan adalah parameter...
Saya sedang membangun model Bayesian hierarkis yang agak rumit untuk meta-analisis menggunakan R dan JAGS. Menyederhanakan sedikit, dua tingkat kunci dari model memiliki mana adalah th pengamatan titik akhir (dalam hal ini, hasil panen GM vs non-GM) dalam studi , adalah efek untuk studi , s...
Saya memiliki distribusi diskrit berikut, di mana konstanta dikenal:α , βα,β\alpha,\beta p ( x ; α , β) = Beta ( α + 1 , β+ x )Beta ( α , β)untuk x = 0 , 1 , 2 , ...p(x;α,β)=Beta(α+1,β+x)Beta(α,β)for x=0,1,2,… p(x;\alpha,\beta) = \frac{\text{Beta}(\alpha+1, \beta+x)}{\text{Beta}(\alpha,\beta)}...
Saya baru-baru ini mulai menggunakan Pareto smoothed pentingnya pengambilan sampel validasi silang keluar-keluar-keluar (PSIS-LOO), yang dijelaskan dalam makalah ini: Vehtari, A., & Gelman, A. (2015). Pareto memuluskan sampel kepentingan. pracetak arXiv ( tautan ). Vehtari, A., Gelman, A.,...
Ada banyak literatur di luar sana tentang diagnostik konvergensi Markov chain Monte Carlo (MCMC), termasuk diagnostik Gelman-Rubin yang paling populer. Namun, semua ini menilai konvergensi rantai Markov, dan dengan demikian menjawab pertanyaan burn-in. Setelah saya mengetahui burn-in, bagaimana...
Ketika menjalankan algoritma Metropolis-Hastings dengan distribusi kandidat yang seragam, apa alasan memiliki tingkat penerimaan sekitar 20%? Pemikiran saya adalah: setelah nilai parameter true (atau close to true) ditemukan, maka tidak ada set nilai parameter kandidat baru dari interval seragam...
Saya tertarik dengan konsep Maximum Entropy Markov Model (MEMM), dan saya berpikir untuk menggunakannya untuk tagger Part of Speech (POS). Saat ini, saya menggunakan classifier Maximum Entropy (ME) konvensional untuk menandai setiap kata. Ini menggunakan sejumlah fitur, termasuk dua tag...
Dalam algoritma Metropolis – Hastings untuk pengambilan sampel distribusi target, misalkan: πiπi\pi_{i} menjadi kerapatan target di keadaan ,iii πjπj\pi_j menjadi densitas target pada status yang diusulkan ,jjj hijhijh_{ij} menjadi kepadatan proposal untuk transisi ke keadaan mengingat keadaan...