Dans son livre Doing Bayesian Data Analysis, John Kruschke déclare qu'en utilisant JAGS de R ... l'estimation du mode à partir d'un échantillon MCMC peut être plutôt instable car l'estimation est basée sur un algorithme de lissage qui peut être sensible aux bosses et ondulations aléatoires dans...
Dans les méthodes MCMC , je continue à lire sur le burn-intemps ou le nombre d'échantillons à "burn". Qu'est-ce que c'est exactement et pourquoi est-ce nécessaire? Mise à jour: Une fois que MCMC se stabilise, reste-t-il stable? Comment la notion de burn-intemps est-elle liée à celle de mixage du...
Je lis des documents de recherche en utilisant les méthodes MCMC et je vois que la plupart d'entre eux fournissent des tracés de trace. Pourquoi avons-nous besoin de tracés de trace dans la chaîne de Monte Carlo Markov? Qu'est-ce qu'un tracé de paramètres
J'avais l'impression que la fonction lmer()dans le lme4package ne produisait pas de valeurs p (voir lmer, valeurs p et tout ça ). J'ai utilisé des valeurs p générées par MCMC à la place selon cette question: effet significatif dans le lme4modèle mixte et cette question: impossible de trouver des...
J'essaie un modèle très simple: ajuster un Normal où je suppose que je connais la précision, et je veux juste trouver la moyenne. Le code ci-dessous semble correspondre correctement à la normale. Mais après l'ajustement, je veux échantillonner à partir du modèle, c'est-à-dire générer de nouvelles...
Je suppose que je comprends l'équation de la condition d'équilibre détaillé, qui stipule que pour la probabilité de transition et la distribution stationnaire , une chaîne de Markov satisfait à l'équilibre détaillé siqqqππ\piq(x|y)π(y)=q(y|x)π(x),q(x|y)π(y)=q(y|x)π(x),q(x|y)\pi(y)=q(y|x)\pi(x),...
Dans le livre de Gelman & Hill (2007) (Analyse des données à l'aide de la régression et des modèles multiniveaux / hiérarchiques), les auteurs affirment que l'inclusion de paramètres moyens redondants peut aider à accélérer MCMC. L'exemple donné est un modèle non imbriqué de "simulateur de vol"...
En référence à ce fil: Comment expliqueriez-vous Markov Chain Monte Carlo (MCMC) à un profane? . Je peux voir qu'il s'agit d'une combinaison de chaînes de Markov et de Monte Carlo: une chaîne de Markov est créée avec le postérieur comme distribution limite invariante, puis les tirages de Monte...
En fait, j'hésite à poser cette question, car je crains d'être renvoyé à d'autres questions ou à Wikipédia sur l'échantillonnage de Gibbs, mais je n'ai pas l'impression qu'ils décrivent ce qui est à portée de main. Étant donné une probabilité conditionnelle :
Je continue de lire sur la nécessité de vérifier l'autocorrélation dans MCMC. Pourquoi est-il important que l'autocorrélation soit faible? Que mesure-t-il dans le contexte du
Disons que l'on a couru mmmchaînes MCMC parallèles où chaque chaîne a subi un rodage. Soit les chaînes résultantes désignées par X( i )1, … ,X( i )N pour i = 1 , … , m ,X1(je),…,XN(je) pour je=1,…,m, x_1^{(i)},\dots,x_N^{(i)} \quad \text{ for } i=1,\dots,m, où NNN est la longueur de chaque chaîne...
J'ai besoin d'étudier les méthodes de Markov Chain Monte Carlo, pour être plus précis, j'ai besoin d'étudier l'algorithme de Metropolis Hastings et tout ça comme les critères de convergence. Qui peut me prescrire un livre, ou un papier, ou un site Web, qui explique cet argument en utilisant des...
Question de devoirs: Prenons le modèle d'Ising 1-d. Soit . vaut -1 ou +1x=(x1,...xd)x=(x1,...xd)x = (x_1,...x_d)xixix_i π(x)∝e∑39i=1xixi+1π(x)∝e∑i=139xixi+1\pi(x) \propto e^{\sum_{i=1}^{39}x_ix_{i+1}} Concevez un algorithme d'échantillonnage gibbs pour générer des échantillons approximativement à...
Je recherche des articles ou des livres avec des exemples pratiques et théoriques sur MCMC de base pour les statistiques bayésiennes (avec R). Je n'ai jamais étudié la simulation et c'est pourquoi je recherche des informations "basiques". Pouvez-vous me donner quelques recommandations ou...
Sur leur page wiki , les développeurs de Stan déclarent: Quelques principes que nous n'aimons pas: l'invariance, Jeffreys, l'entropie Au lieu de cela, je vois beaucoup de recommandations de distribution normale. Jusqu'à présent, j'ai utilisé des méthodes bayésiennes qui ne reposaient pas sur...
Étant donné la formule d'estimation MAP d'un paramètre Pourquoi une approche MCMC (ou similaire) est-elle nécessaire, ne pourrais-je pas simplement prendre la dérivée, la mettre à zéro, puis résoudre le
Le mgcvpackage pour Ra deux fonctions pour ajuster les interactions des produits tensoriels: te()et ti(). Je comprends la division de base du travail entre les deux (ajustement d'une interaction non linéaire vs décomposition de cette interaction en effets principaux et interaction). Ce que je ne...
Une forêt aléatoire est une collection d' arbres de décision formés en sélectionnant de manière aléatoire uniquement certaines fonctionnalités avec lesquelles construire chaque arbre (et parfois en ensachant les données d'entraînement). Apparemment, ils apprennent et se généralisent bien. Quelqu'un...
Je veux implémenter (en R) le modèle linéaire dynamique très simple suivant pour lequel j'ai 2 paramètres inconnus variant dans le temps (la variance de l'erreur d'observation et la variance de l'erreur d'état ϵ 2 t ).ϵ1tϵt1\epsilon^1_tϵ2tϵt2\epsilon^2_t Ouitθt + 1==θt+ ϵ1tθt+...
D'après ce que je comprends, c'est (du moins, c'est ainsi que Wikipedia le définit ). Mais j'ai trouvé cette déclaration d'Efron * (je souligne): La chaîne de Markov Monte Carlo (MCMC) est la grande réussite des statistiques bayésiennes modernes. MCMC, et sa méthode sœur «échantillonnage de Gibbs»,...