Eu sei bastante sobre o ajuste de parâmetros contínuos, particularmente métodos baseados em gradiente, mas não muito sobre o ajuste de parâmetros discretos. Quais são os algoritmos / técnicas MCMC comumente usados para ajustar parâmetros discretos? Existem algoritmos bastante gerais e bastante...
Estou tentando entender o que a cadeia de Markov Monte Carlo (MCMC) é da página da Wikipedia em francês. Eles dizem "que os métodos de Monte Carlo da cadeia de Markov consistem em gerar um vetor xixix_ {i} apenas a partir dos dados vetoriais xi−1xi−1x_ {i-1} ; portanto, é um processo" sem memória...
Estou tentando aplicar o MCMC em um problema, mas meus anteriores (no meu caso eles são )) estão restritos a uma área? Posso usar o MCMC normal e ignorar as amostras que ficam fora da zona restrita (que no meu caso é [0,1] ^ 2), ou seja, reutilizar a função de transição quando a nova transição cair...
Alguém sabe por que ano o MCMC se tornou comum (isto é, um método popular para a inferência bayesiana)? Um link para o número de artigos publicados no MCMC (diário) ao longo do tempo seria especialmente
Tenho como autoridade suprema 1 que Gibbs Sampling é um caso especial do algoritmo Metropolis-Hastings para amostragem de Markov Chain Monte Carlo. O algoritmo MH sempre fornece uma probabilidade de transição com a propriedade detalhada do balanço; Espero que Gibbs também deva. Então, onde, no...
Eu estava revisando a documentação do Stan, que pode ser baixada aqui . Eu estava particularmente interessado na implementação do diagnóstico Gelman-Rubin. O artigo original Gelman & Rubin (1992) define o potencial fator de redução de escala (PSRF) da seguinte maneira: Deixe que...
Estou tentando implementar o algoritmo MCMC hit and run, mas estou com um pouco de dificuldade para entender como fazê-lo. A ideia geral é a seguinte: Para gerar um salto de proposta no MH, nós: Gere uma direção partir de uma distribuição na superfície da esfera unitáriadddOO\mathcal{O}...
Estou tentando entender as cadeias de Markov usando SAS. Entendo que um processo de Markov é aquele em que o estado futuro depende apenas do estado atual e não do estado passado e existe uma matriz de transição que captura a probabilidade de transição de um estado para outro. Mas então me deparei...
A troca de etiquetas (ou seja, a distribuição posterior é invariável à troca de etiquetas de componentes) é um problema problemático ao usar o MCMC para estimar modelos de mistura. Existe uma metodologia padrão (como amplamente aceita) para lidar com o problema? Se não houver uma abordagem...
No meu entender, a Computação Bayesiana Aproximada (ABC) e Monte Carlo da Cadeia de Markov (MCMC) têm objetivos muito semelhantes. Abaixo, descrevo minha compreensão desses métodos e como percebo as diferenças em sua aplicação aos dados da vida real. Computação Bayesiana Aproximada ABC consiste...
Depois de ler esta postagem no blog sobre modelos estruturais de séries temporais bayesianas, eu queria analisar isso no contexto de um problema para o qual eu havia usado o ARIMA anteriormente. Eu tenho alguns dados com alguns componentes sazonais conhecidos (mas barulhentos) - existem...
Nas últimas semanas, tenho tentado entender o MCMC e o (s) algoritmo (s) Metropolis-Hastings. Toda vez que acho que entendo, percebo que estou errado. A maioria dos exemplos de código que eu acho on-line implementa algo que não é consistente com a descrição. ie: Eles dizem que implementam...
Minha pergunta básica é: como você extrairia uma distribuição inadequada? Faz mesmo sentido colher amostras de uma distribuição imprópria? O comentário de Xi'an aqui aborda a questão, mas eu estava procurando mais alguns detalhes sobre isso. Mais específico para o MCMC: Ao falar sobre o MCMC e...
Algoritmos MCMC como Metropolis-Hastings e Gibbs são formas de amostragem das distribuições posteriores da articulação. Eu acho que entendo e posso implementar as pessoas que vivem nas metrópoles com bastante facilidade - você simplesmente escolhe os pontos de partida de alguma forma e 'percorre...
Eu estava passando por algumas palestras relacionadas ao MCMC. No entanto, não encontro um bom exemplo de como é usado. Alguém pode me dar um exemplo concreto. Tudo o que vejo é que eles administram uma cadeia de Markov e dizem que sua distribuição estacionária é a distribuição desejada. Quero um...
P: Qual é a maneira padrão de agrupar dados usando um Processo Dirichlet? Ao usar Gibbs, os clusters de amostragem aparecem e desaparecem durante a amostragem. Além disso, temos um problema de identificabilidade, uma vez que a distribuição posterior é invariável às remarcações de cluster....
Passeio aleatório Metropolis-Hasitings com proposta simétrica tem a propriedade de que a probabilidade de aceitaçãoq( x | y) = g( | y- x |)q(x|y)=g(|y-x|)q(x|y)= g(|y-x|) P( Um c c e p t y ) = min { 1 , f( y) / f( x ) }P(umaccept y)=min{1,f(y)/f(x)}P(accept\ y) = \min\{1, f(y)/f(x)\} não...
Existem bons resumos (resenhas, livros) sobre várias aplicações da cadeia de Markov Monte Carlo (MCMC)? Vi Markov Chain Monte Carlo na prática , mas esses livros parecem um pouco antigos. Existem mais livros de atualização sobre várias aplicações do MCMC em áreas como aprendizado de máquina,...
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
Estou executando um amostrador Metropolis (C ++) e quero usar os exemplos anteriores para estimar a taxa de convergência. Um diagnóstico fácil de implementar que encontrei é o diagnóstico Geweke , que calcula a diferença entre as duas médias da amostra divididas pelo erro padrão estimado. O erro...