Câu hỏi được gắn thẻ «gibbs»

Tôi sắp thử một môi trường kiểu BUGS để ước tính các mô hình Bayes. Có bất kỳ lợi thế quan trọng nào để xem xét trong việc lựa chọn giữa OpenBugs hoặc JAGS không? Là một trong những khả năng để thay thế khác trong tương lai gần? Tôi …

41 r  software  bugs  jags  gibbs 

Tôi đã cố gắng tìm hiểu các phương pháp MCMC và đã đi qua các mẫu của Metropolis Hastings, Gibbs, Tầm quan trọng và Từ chối. Mặc dù một số trong những khác biệt này là rõ ràng, ví dụ, làm thế nào Gibbs là một trường hợp đặc biệt …

36 mcmc  monte-carlo  gibbs  metropolis-hastings  importance-sampling 

Tôi muốn tìm hiểu cách Gibbs Sampling hoạt động và tôi đang tìm kiếm một bài báo cơ bản đến trung cấp tốt. Tôi có một nền tảng khoa học máy tính và kiến ​​thức thống kê cơ bản. Bất cứ ai đã đọc tài liệu tốt xung quanh? nơi …

29 references  gibbs 

Khi tôi mã hóa một mô phỏng Monte Carlo cho một số vấn đề và mô hình đủ đơn giản, tôi sử dụng một mẫu giáo khoa Gibbs rất cơ bản. Khi không thể sử dụng lấy mẫu Gibbs, tôi viết mã cho sách giáo khoa Metropolis-Hastings tôi đã học …

21 bayesian  mcmc  gibbs  metropolis-hastings 

Tôi vừa mới đọc một số bài về lấy mẫu Gibbs và thuật toán của Metropolis Hastings và có một vài câu hỏi. Theo tôi hiểu, trong trường hợp lấy mẫu Gibbs, nếu chúng ta gặp vấn đề đa biến lớn, chúng ta lấy mẫu từ phân phối có điều …

20 bayesian  sampling  mcmc  gibbs  metropolis-hastings 

Có nhiều loại thuật toán MCMC khác nhau: Thủ đô-Hastings Vượn Lấy mẫu quan trọng / từ chối (liên quan). Tại sao người ta sẽ sử dụng lấy mẫu Gibbs thay vì Metropolis-Hastings? Tôi nghi ngờ có những trường hợp khi suy luận có thể dễ dàng hơn với việc …

20 bayesian  simulation  mcmc  gibbs  metropolis-hastings 

Tôi có thẩm quyền tối cao 1 rằng Gibbs Sampling là một trường hợp đặc biệt của thuật toán Metropolis-Hastings cho việc lấy mẫu Markov Chain Monte Carlo. Thuật toán MH luôn đưa ra xác suất chuyển tiếp với thuộc tính số dư chi tiết; Tôi hy vọng Gibbs cũng …

17 mcmc  gibbs 

Tôi đã xem qua tài liệu Stan có thể tải về từ đây . Tôi đặc biệt quan tâm đến việc họ thực hiện chẩn đoán Gelman-Rubin. Bài báo gốc Gelman & Rubin (1992) xác định hệ số giảm quy mô tiềm năng (PSRF) như sau: Hãy Xi,1,…,Xi,NXi,1,…,Xi,NX_{i,1}, \dots , …

16 mcmc  convergence  gibbs  metropolis-hastings  stan 

Các thuật toán MCMC như lấy mẫu của Metropolis-Hastings và Gibbs là cách lấy mẫu từ các bản phân phối sau. Tôi nghĩ rằng tôi hiểu và có thể thực hiện việc quét đô thị khá dễ dàng - bạn chỉ cần chọn điểm bắt đầu bằng cách nào đó …

15 bayesian  mcmc  gibbs 

Tôi đang sao chép từ đầu các kết quả trong Mục 4.2.1 của Khả năng cận biên từ đầu ra Gibbs Siddhartha Chib Tạp chí của Hiệp hội Thống kê Hoa Kỳ, Tập. 90, số 432. (tháng 12 năm 1995), trang 1313-1321. Đây là một hỗn hợp của mô hình …

13 bayesian  mixture  gibbs 

Trong cuốn sách của Gelman & Hill (2007) (Phân tích dữ liệu bằng cách sử dụng hồi quy và mô hình đa cấp / phân cấp), các tác giả cho rằng bao gồm các tham số trung bình dự phòng có thể giúp tăng tốc MCMC. Ví dụ đã cho …

12 mcmc  hierarchical-bayesian  gibbs 

Theo như tôi hiểu thì đó là (ít nhất, đó là cách Wikipedia định nghĩa nó ). Nhưng tôi đã tìm thấy tuyên bố này của Efron * (nhấn mạnh thêm): Chuỗi Markov Monte Carlo (MCMC) là câu chuyện thành công lớn của thống kê Bayes hiện đại. MCMC và …

11 mcmc  gibbs 

Nền tảng của nghiên cứu của tôi : Trong một mẫu Gibbs trong đó chúng ta lấy mẫu (biến sở thích) và từ và , trong đó và là các vectơ ngẫu nhiên -chiều. Chúng tôi biết rằng quá trình này thường được chia thành hai giai đoạn:XXXYYYP(X|Y)P(X|Y)P(X|Y)P(Y|X)P(Y|X)P(Y|X)XXXYYYkkk Thời kỳ …

11 hypothesis-testing  covariance  covariance-matrix  gibbs 

Tôi thực sự do dự khi hỏi điều này, vì tôi sợ tôi sẽ được chuyển đến các câu hỏi khác hoặc Wikipedia về lấy mẫu Gibbs, nhưng tôi không có cảm giác rằng họ mô tả những gì trong tầm tay. Cho xác suất có điều kiện : p …

11 sampling  mcmc  gibbs 

Giả sử bạn có một biến giải thích trong đó đại diện cho tọa độ đã cho. Bạn cũng có một biến trả lời . Bây giờ, chúng ta có thể kết hợp cả hai biến như:X=(X(s1),…,X(sn))X=(X(s1),…,X(sn)){\bf{X}} = \left(X(s_{1}),\ldots,X(s_{n})\right)sssY=(Y(s1),…,Y(sn))Y=(Y(s1),…,Y(sn)){\bf{Y}} = \left(Y(s_{1}),\ldots,Y(s_{n})\right) W(s)=(X(s)Y(s))∼N(μ(s),T)W(s)=(X(s)Y(s))∼N(μ(s),T){\bf{W}}({\bf{s}}) = \left( \begin{array}{ccc}X(s) \\ Y(s) \end{array} \right) \sim …

11 probability  bayesian  conditional-probability  gibbs