Phiên bản ngắn ngoài ngữ cảnh
Đặt là biến ngẫu nhiên với CDF F ( ⋅ ) ≡ { θ y = 0 θ + ( 1 - θ ) × CDF log-bình thường ( ⋅ ; μ , σ ) y> 0
Giả sử tôi muốn mô phỏng các bản vẽ của bằng phương pháp CDF nghịch đảo. Điều đó có thể không? Hàm này không chính xác có nghịch đảo. Sau đó, một lần nữa lại có lấy mẫu biến đổi nghịch đảo để phân phối hỗn hợp của hai phân phối bình thường cho thấy rằng có một cách đã biết để áp dụng lấy mẫu biến đổi nghịch đảo ở đây.
Tôi biết phương pháp hai bước, nhưng tôi không biết làm thế nào để áp dụng nó vào tình huống của mình (xem bên dưới).
Phiên bản dài với nền
Tôi đã trang bị mô hình sau cho phản hồi có giá trị véc tơ, , sử dụng MCMC (cụ thể là Stan):
Trong đó lập chỉ mục quan sát, là ma trận tương quan và là vectơ của các yếu tố dự đoán / hồi quy / tính năng.N R x
Đó là, mô hình của tôi là một mô hình hồi quy trong đó phân phối có điều kiện của phản hồi được giả sử là một copula Gaussian với các biên log-log thông thường được bơm bằng không. Tôi đã đăng về mô hình này trước đây; Hóa ra Song, Li và Yuan (2009, gated ) đã phát triển nó và họ gọi nó là GLM vector, hay VGLM. Sau đây là thông số kỹ thuật của chúng gần với nguyên văn như tôi có thể nhận được: MyF K G m z q R Γ
Phần không phồng lên gần như theo đặc điểm kỹ thuật của Liu và Chan (2010, chưa được chỉnh sửa ).
Bây giờ tôi muốn mô phỏng dữ liệu từ các tham số ước tính, nhưng tôi hơi bối rối về cách thực hiện. Đầu tiên tôi nghĩ rằng tôi chỉ có thể mô phỏng trực tiếp (theo mã R):
for (i in 1:N) {
for (k in 1:K) {
Y_hat <- rbinom(1, 1, 1 - theta[i, k])
if (Y_hat == 1)
Y_hat <- rlnorm(1, mu[i, k], sigma[k])
}
}
mà không sử dụng ở tất cả. Tôi muốn thử thực sự sử dụng ma trận tương quan mà tôi ước tính.
Ý tưởng tiếp theo của tôi là lấy số và sau đó chuyển chúng trở lại . Điều này dường như cũng trùng khớp với các câu trả lời trong Tạo mẫu từ Copula trong lấy mẫu R và Bivariate để phân phối được thể hiện trong định lý copula của Sklar? . Nhưng cái quái gì là ở đây? Lấy mẫu biến đổi nghịch đảo để phân phối hỗn hợp của hai phân phối bình thường làm cho nó có vẻ như điều này là có thể, nhưng tôi không biết làm thế nào để làm điều đó.y F - 1