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...
Nos métodos MCMC , continuo lendo sobre o burn-intempo ou o número de amostras para "burn". O que é isso exatamente e por que é necessário? Atualizar: Depois que o MCMC se estabiliza, ele permanece estável? Como a noção de burn-intempo está relacionada à noção de tempo de...
Estou tentando um modelo muito simples: encaixando um Normal onde suponho que conheço a precisão e só quero encontrar a média. O código abaixo parece se encaixar no Normal corretamente. Porém, após o ajuste, quero fazer uma amostra do modelo, ou seja, gerar novos dados semelhantes à minha...
Fiquei com a impressão de que a função lmer()no lme4pacote não produzia valores de p (veja lmervalores de p e tudo isso ). Eu tenho usado valores MCMC gerados p vez como por esta pergunta: efeito significativo no lme4modelo misto e esta pergunta: Não é possível encontrar p-valores na saída do...
Referindo-se a este tópico: Como você explicaria o Markov Chain Monte Carlo (MCMC) a um leigo? . Eu posso ver que é uma combinação de cadeias de Markov e Monte Carlo: uma cadeia de Markov é criada com a posterior como distribuição limitadora invariante e, em seguida, os sorteios de Monte Carlo...
No livro de Gelman & Hill (2007) (Análise de dados usando regressão e modelos multiníveis / hierárquicos), os autores afirmam que a inclusão de parâmetros médios redundantes pode ajudar a acelerar o MCMC. O exemplo dado é um modelo não aninhado de "simulador de vôo" (Eq...
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...
Eu preciso estudar os métodos Monte Carlo da Cadeia de Markov, para ser mais específico, eu preciso estudar o algoritmo Metropolis Hastings e tudo sobre ele como critérios de convergência. Quem pode me prescrever um livro, um artigo ou um site que explique esse argumento usando termos simples, mas...
Desejo implementar (em R) o seguinte Modelo Linear Dinâmico Dinâmico simples, para o qual tenho 2 parâmetros variáveis de tempo desconhecido (a variação do erro de observação e a variação do erro de estado ϵ 2 t ).ϵ1tϵt1\epsilon^1_tϵ2tϵt2\epsilon^2_t Ytθt + 1==θt+ ϵ1tθt+ ϵ2tYt=θt+ϵt1θt+1=θt+ϵt2...
Em sua página wiki , os desenvolvedores do estado de Stan: Alguns princípios que não gostamos: invariância, Jeffreys, entropia Em vez disso, vejo muitas recomendações de distribuição normal. Até agora, usei métodos bayesianos que não dependiam de amostragem e fiquei feliz por ter entendido por...
Na verdade, estou hesitando em perguntar isso, porque temo ser encaminhado para outras perguntas ou para a Wikipedia sobre amostras de Gibbs, mas não tenho a sensação de que eles descrevam o que está em mãos. Dada uma probabilidade condicional : p ( x | y ) y = y 0 y = y 1 x = x 0...
Dada a fórmula para a estimativa MAP de um parâmetro Por que é necessária uma abordagem MCMC (ou similar), eu não poderia simplesmente pegar a derivada, defini-la como zero e depois resolver o
Estou procurando alguns artigos ou livros com exemplos práticos e teóricos sobre o MCMC básico para estatística bayesiana (com R). Eu nunca estudei sobre simulação, e é por isso que estou procurando informações "básicas". Você pode me dar algumas recomendações ou
Eu continuo lendo sobre a necessidade de verificar a autocorrelação no MCMC. Por que é importante que a autocorrelação seja baixa? O que ele mede no contexto do
A depuração de programas MCMC é notoriamente difícil. A dificuldade surge devido a vários problemas, alguns dos quais são: a) Natureza cíclica do algoritmo Iterativamente, desenhamos parâmetros condicionais para todos os outros parâmetros. Portanto, se uma implementação não estiver funcionando...
Eu tenho uma função probabilidade para a probabilidade dos meus dados dado alguns parâmetros do modelo , o que eu gostaria de estimar. Assumindo anteriores planos nos parâmetros, a probabilidade é proporcional à probabilidade posterior. Eu uso um método MCMC para provar essa probabilidade.L (d|...
Eu preciso fazer uma simulação para avaliar uma integral de uma função de 3 parâmetros, dizemos , que tem uma fórmula muito complicada. É solicitado o uso do método MCMC para computá-lo e implementar o algoritmo Metropolis-Hastings para gerar os valores distribuídos como , e foi sugerido o uso de 3...
Uma floresta aleatória é uma coleção de árvores de decisão formada pela seleção aleatória de apenas alguns recursos para construir cada árvore (e algumas vezes agrupando os dados de treinamento). Aparentemente, eles aprendem e generalizam bem. Alguém já fez amostragens no MCMC do espaço em árvore...
Pergunta de lição de casa: Considere o modelo Ising 1-d. Vamos . x i é -1 ou +1x = ( x1, . . . xd)x=(x1,...xd)x = (x_1,...x_d)xEuxix_i π( X ) α e∑39.i = 1xEuxi + 1π(x)∝e∑i=139xixi+1\pi(x) \propto e^{\sum_{i=1}^{39}x_ix_{i+1}} Crie um algoritmo de amostragem de gibbs para gerar amostras...
O mgcvpacote para Rpossui duas funções para ajustar as interações do produto tensorial: te()e ti(). Entendo a divisão básica do trabalho entre os dois (ajustando uma interação não linear versus decompondo essa interação em efeitos principais e uma interação). O que não entendo é o porquê te(x1,...