Ma compréhension est que lorsque vous utilisez une approche bayésienne pour estimer les valeurs des paramètres: La distribution postérieure est la combinaison de la distribution antérieure et de la distribution de vraisemblance. Nous simulons cela en générant un échantillon à partir de la...
J'essaie de comprendre ce que la chaîne Markov Monte Carlo (MCMC) est de la page Wikipedia française. Ils disent "que les méthodes Monte Carlo de la chaîne de Markov consistent à générer un vecteur uniquement à partir des données vectorielles c'est donc un processus" sans mémoire ""xixix_...
J'essaie d'appliquer MCMC sur un problème, mais mes priors (dans mon cas, ils sont )) sont limités à une zone? Puis-je utiliser une MCMC normale et ignorer les échantillons qui se trouvent en dehors de la zone restreinte (qui dans mon cas est [0,1] ^ 2), c'est-à-dire réutiliser la fonction de...
Quelqu'un sait-il vers quelle année MCMC est devenu courant (c.-à-d., Une méthode populaire pour l'inférence bayésienne)? Un lien vers le nombre d'articles MCMC (revues) publiés au fil du temps serait particulièrement
Je considère par l'autorité suprême 1 que Gibbs Sampling est un cas particulier de l'algorithme Metropolis-Hastings pour l'échantillonnage Markov Chain Monte Carlo. L'algorithme MH donne toujours une probabilité de transition avec la propriété d'équilibre détaillée; Je pense que Gibbs devrait...
J'essaie d'implémenter l'algorithme hit and run MCMC, mais j'ai un peu de mal à comprendre comment s'y prendre. L'idée générale est la suivante: Pour générer un saut de proposition dans MH, nous: Générer une direction partir d'une distribution à la surface de la sphère unitaire OdddOO\mathcal{O}...
Je parcourais la documentation de Stan qui peut être téléchargée ici . J'étais particulièrement intéressé par leur implémentation du diagnostic Gelman-Rubin. Le document original Gelman & Rubin (1992) définit le facteur de réduction d'échelle potentiel (PSRF) comme suit: Soit...
Le changement d'étiquette (c.-à-d. Que la distribution postérieure est invariante à la commutation des étiquettes des composants) est un problème problématique lors de l'utilisation de MCMC pour estimer les modèles de mélange. Existe-t-il une méthodologie standard (comme largement acceptée) pour...
J'essaie de comprendre les chaînes de Markov en utilisant SAS. Je comprends qu'un processus de Markov est un processus dans lequel l'état futur dépend uniquement de l'état actuel et non de l'état passé et il existe une matrice de transition qui capture la probabilité de transition d'un état à un...
Les algorithmes MCMC comme l'échantillonnage de Metropolis-Hastings et Gibbs sont des moyens d'échantillonnage à partir des distributions postérieures conjointes. Je pense que je comprends et que je peux mettre en œuvre la métropole-hasting assez facilement - il vous suffit de choisir les points de...
Après avoir lu ce billet de blog sur les modèles de séries chronologiques structurelles bayésiennes, j'ai voulu examiner la mise en œuvre de cela dans le contexte d'un problème pour lequel j'avais précédemment utilisé ARIMA. J'ai quelques données avec certaines composantes saisonnières connues...
Au cours des dernières semaines, j'ai essayé de comprendre MCMC et les algorithmes de Metropolis-Hastings. Chaque fois que je pense le comprendre, je me rends compte que je me trompe. La plupart des exemples de code que je trouve en ligne implémentent quelque chose qui n'est pas cohérent avec la...
À ma connaissance, le calcul bayésien approximatif (ABC) et la chaîne de Markov Monte Carlo (MCMC) ont des objectifs très similaires. Ci-dessous, je décris ma compréhension de ces méthodes et comment je perçois les différences dans leur application aux données réelles. Calcul bayésien approximatif...
Ma question de base est: comment échantillonner à partir d'une distribution incorrecte? Est-il même judicieux d'échantillonner à partir d'une distribution incorrecte? Le commentaire de Xi'an ici répond en quelque sorte à la question, mais je cherchais plus de détails à ce sujet. Plus spécifique à...
J'ai essayé de comprendre l'algorithme de Metropolis-Hastings afin d'écrire un code pour estimer les paramètres d'un modèle (ie F( x ) = a ∗ xF(X)=une∗Xf(x)=a*x ). Selon la bibliographie, l'algorithme de Metropolis-Hastings comprend les étapes suivantes: Générer Ouit∼ q( y| Xt)Ouit∼q(y|Xt)Y_t \sim...
Je passais par quelques conférences liées à MCMC. Cependant, je ne trouve pas un bon exemple de la façon dont il est utilisé. Quelqu'un peut-il me donner un exemple concret? Tout ce que je peux voir, c'est qu'ils dirigent une chaîne de Markov et disent que sa distribution stationnaire est la...
Est-ce que quelqu'un connaît un code bien écrit (dans Matlab ou R) pour MCMC à saut réversible? De préférence, une simple application de démonstration pour compléter les articles sur le sujet, qui serait utile pour comprendre le
Q: Quelle est la méthode standard pour regrouper des données à l'aide d'un processus Dirichlet? Lors de l'utilisation de Gibbs, des grappes d'échantillonnage apparaissent et disparaissent pendant l'échantillonnage. Par ailleurs, nous avons un problème d'identifiabilité car la distribution...
Y a-t-il eu des études à grande échelle des méthodes MCMC qui comparent les performances de plusieurs algorithmes différents sur une suite de densités de test? Je pense à quelque chose d'équivalent à l'article de Rios et Sahinidis (2013), qui est une comparaison approfondie d'un grand nombre...
Quelqu'un peut-il expliquer l'idée principale derrière les méthodes Hamiltoniennes Monte Carlo et dans quels cas elles donneront de meilleurs résultats que les méthodes Markov Chain Monte