Alguém sabe de algum código bem escrito (em Matlab ou R) para MCMC de salto reversível? De preferência, um aplicativo de demonstração simples para complementar os trabalhos sobre o assunto, que seria útil para entender o processo.
r
matlab
references
mcmc
usuario
fonte
fonte
Respostas:
O RJMCMC foi introduzido por Peter Green em um artigo de 1995 que é um clássico de citação. Ele escreveu um programa Fortran chamado AutoRJ para RJMCMC automático; sua página neste link para o programa C de David Hastie, AutoMix . Há uma lista de softwares disponíveis gratuitamente para vários algoritmos RJMCMC na Tabela 1 de um artigo de 2005 de Scott Sisson . Uma pesquisa no Google também encontra alguns pseudocódigos de um grupo da Universidade de Glasgow que podem ser úteis para entender os princípios, se você quiser programá-lo.
fonte
O livro Análise Bayesiana para Ecologia Populacional de King et al. descreve o RJMCMC no contexto da ecologia populacional. Eu achei a descrição muito clara e eles fornecem o código R no apêndice.
O livro também tem uma página da web associada , mas parte do código encontrado no livro não está no site.
fonte
Basta adicionar um detalhe à resposta da @ onestop: Acho que o software C lançado por Olivier Cappé (CT / RJ MCMC) é muito útil para entender o algoritmo MCMC de salto reversível (em particular, como projetar as probabilidades para a morte e a divisão de nascimento). movimentos de mesclagem). O link para o código-fonte é: http://perso.telecom-paristech.fr/~cappe/Code/CTRJ_mix/About/
fonte
Jailin Ai faz uma apresentação bastante agradável do RJ MCMC juntos (embora pareça muito próximo ao artigo original de Green) com o código R como parte da tese de mestrado em Leeds. Também fornece um exemplo detalhado de problemas de mudança de ponto, que também estão incluídos no documento de Green de 1995.
Encontre a tese e o código aqui:
http://www1.maths.leeds.ac.uk/~voss/projects/2011-RJMCMC/
fonte
Nando de Freitas fornece demonstrações sobre o uso do algoritmo MCMC de salto reversível para estimativa de parâmetros de redes neurais. Este modelo trata o número de neurônios, parâmetros de modelo, parâmetros de regularização e parâmetros de ruído como variáveis aleatórias a serem estimadas.
O código e a redação estão disponíveis aqui: http://www.cs.ubc.ca/~nando/software.html
fonte