Câu hỏi được gắn thẻ «mcmc»

Chuỗi Markov Monte Carlo (MCMC) đề cập đến một lớp phương pháp để tạo mẫu từ phân phối mục tiêu bằng cách tạo số ngẫu nhiên từ Chuỗi Markov có phân phối cố định là phân phối đích. Các phương thức MCMC thường được sử dụng khi nhiều phương thức trực tiếp hơn để tạo số ngẫu nhiên (ví dụ: phương pháp đảo ngược) là không khả thi. Phương pháp MCMC đầu tiên là thuật toán Metropolis, sau đó được sửa đổi thành thuật toán Metropolis-Hastings.

1
R hồi quy tuyến tính biến phân loại Biến ẩn giá trị
Đây chỉ là một ví dụ mà tôi đã bắt gặp nhiều lần, vì vậy tôi không có bất kỳ dữ liệu mẫu nào. Chạy mô hình hồi quy tuyến tính trong R: a.lm = lm(Y ~ x1 + x2) x1là một biến liên tục. x2là phân loại và có …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
2
Làm thế nào để lấy mẫu từ phân phối rời rạc trên các số nguyên không âm?
Tôi có sự phân bố rời rạc sau, nơi được biết hằng số:α , βα,β\alpha,\beta p ( x ; α , β) = Beta ( α + 1 , β+ x )Beta ( α , β)cho x = 0 , 1 , 2 , Bắnp(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)} …
1
Hạn chế MCMC / EM? MCMC hơn EM?
Tôi hiện đang học các mô hình Bayes phân cấp bằng cách sử dụng JAGS từ R và pymc bằng Python ( "Phương pháp Bayes cho tin tặc" ). Tôi có thể nhận được một số trực giác từ bài đăng này : "bạn sẽ kết thúc với một đống …
2
Có phải chuỗi Markov dựa trên việc lấy mẫu là tốt nhất cho việc lấy mẫu Monte Carlo? Có đề án thay thế có sẵn?
Chuỗi Markov Monte Carlo là một phương pháp dựa trên chuỗi Markov cho phép chúng tôi lấy mẫu (trong cài đặt Monte Carlo) từ các bản phân phối không chuẩn mà chúng tôi không thể vẽ mẫu trực tiếp. Câu hỏi của tôi là tại sao chuỗi Markov là "tiên …
2
Nhầm lẫn liên quan đến lấy mẫu Gibbs
Tôi đã xem qua bài viết này nơi nó nói rằng trong mẫu Gibbs, mọi mẫu đều được chấp nhận. Tôi la một chut Nhâm lân. Làm thế nào đến nếu mỗi mẫu nó chấp nhận nó hội tụ đến một phân phối cố định. Nói chung Thuật toán đô …
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookie và Chính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.