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....
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 pode explicar a principal idéia por trás dos métodos Hamiltonianos de Monte Carlo e em quais casos eles produzirão melhores resultados do que os métodos de Markov Chain Monte
Eu apenas comecei a aprender a usar Stan e rstan. A menos que eu sempre tenha ficado confuso sobre como o JAGS / BUGS funcionou, pensei que você sempre tivesse que definir uma distribuição anterior de algum tipo para cada parâmetro no modelo a ser extraído. Parece que você não precisa fazer isso em...
Ao obter amostras do MCMC para inferir um parâmetro específico, quais são os bons guias para o número mínimo de amostras efetivas que se deve buscar? E esse conselho muda à medida que o modelo se torna mais ou menos
Eu sou novo na pesquisa estatística bayesiana. Ouvi de pesquisadores que pesquisadores bayesianos implementam melhor o MCMC por eles mesmos do que usando ferramentas como JAGS / Stan. Posso perguntar qual é o benefício de implementar o algoritmo MCMC por si mesmo (em linguagens "não muito rápidas"...
Tenho notado que, em muitas aplicações práticas, os métodos baseados no MCMC são usados para estimar um parâmetro, mesmo que o posterior seja analítico (por exemplo, porque os anteriores eram conjugados). Para mim, faz mais sentido usar estimadores MAP em vez de estimadores baseados no MCMC....
Eu apenas comecei a construir modelos em stan ; para familiarizar-me com a ferramenta, estou trabalhando em alguns dos exercícios em Análise Bayesiana de Dados (2ª ed.). O exercício Waterbuck supõe que os dados , com ( N , θ ) desconhecido. Como o Hamiltoniano Monte Carlo não permite parâmetros...
1. O problema Eu tenho algumas medidas de uma variável , onde , para a qual eu tenho uma distribuição obtida via MCMC, que por simplicidade assumirei ser um gaussiano de média e variância \ sigma_t ^ 2 .ytyty_tt=1,2,..,nt=1,2,..,nt=1,2,..,nfyt(yt)fyt(yt)f_{y_t}(y_t)μtμt\mu_tσ2tσt2\sigma_t^2 Eu...
Eu tenho tentado entender o algoritmo Metropolis-Hastings para escrever um código para estimar os parâmetros de um modelo (ou seja, ). Segundo a bibliografia, o algoritmo Metropolis-Hastings possui as seguintes etapas:f( x ) = a ∗ xf(x)=uma∗xf(x)=a*x Gere Yt∼ q( y| xt)Yt∼q(y|xt)Y_t \sim...
Aprendendo estatísticas bayesianas pela primeira vez; como um ângulo para entender o MCMC, eu me perguntava: está fazendo algo que fundamentalmente não pode ser feito de outra maneira, ou está apenas fazendo algo com muito mais eficiência do que as alternativas? A título de ilustração, suponha que...
Nos últimos dias, tenho tentado entender como o Markov Chain Monte Carlo (MCMC) funciona. Em particular, tenho tentado entender e implementar o algoritmo Metropolis-Hastings. Até agora, acho que tenho uma compreensão geral do algoritmo, mas há algumas coisas que ainda não estão claras para mim. Eu...
Gostaria de automatizar a escolha do burn-in para uma cadeia MCMC, por exemplo, removendo as primeiras n linhas com base em um diagnóstico de convergência. Até que ponto essa etapa pode ser automatizada com segurança? Mesmo se eu ainda verificar a autocorrelação, o rastreamento mcmc e os pdfs,...
Encontrei um texto muito bom sobre Bayes / MCMC. A TI sugere que uma padronização de suas variáveis independentes tornará um algoritmo MCMC (Metropolis) mais eficiente, mas também poderá reduzir a (multi) colinearidade. Isso pode ser verdade? Isso é algo que eu deveria fazer como padrão...
Estou pensando em um espaço grande (mas finito) de modelos de complexidade variável, que exploro usando o RJMCMC . O anterior no vetor de parâmetro para cada modelo é bastante informativo. Em que casos (se houver) eu deveria estar preocupado com o paradoxo de Jeffreys-Lindley, favorecendo modelos...
Em seu livro Doing Bayesian Data Analysis, John Kruschke afirma que, ao usar JAGS de R ... a estimativa do modo de uma amostra do MCMC pode ser bastante instável porque a estimativa é baseada em um algoritmo de suavização que pode ser sensível a solavancos e ondulações aleatórios na amostra do...
Estou lendo artigos de pesquisa usando os métodos MCMC e vejo a maioria deles fornecendo traços. Por que precisamos de traços na cadeia Markov Monte Carlo? O que indica um gráfico de rastreamento de
Estou me familiarizando com as estatísticas bayesianas lendo o livro Doing Bayesian Data Analysis , de John K. Kruschke, também conhecido como "livro de filhotes". No capítulo 9, modelos hierárquicos são introduzidos com este exemplo simples: yj iθjμκ~ B e r n o u l l i ( θj)~ B e t um ( μ κ , ( 1...
Eu acho que entendo a equação da condição de equilíbrio detalhado, que afirma que, para probabilidade de transição e distribuição estacionária , uma Cadeia de Markov satisfaz um balanço detalhado seqqqππ\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), isso faz mais sentido...
Estou com problemas para entender em que situação a abordagem do MCMC é realmente útil. Estou passando por um exemplo de brinquedo do livro de Kruschke "Fazendo análise de dados bayesiana: um tutorial com R e BUGS". O que eu entendi até agora é que precisamos de uma distribuição de destino...