Em uma implementação do MCMC de modelos hierárquicos, com efeitos aleatórios normais e um Wishart anterior para sua matriz de covariância, a amostragem de Gibbs é normalmente usada. No entanto, se alterarmos a distribuição dos efeitos aleatórios (por exemplo, para Student-t ou outro), a conjugação...
Eu sei que o método Inverso de Transformação nem sempre é uma boa opção para amostragem de distribuições, porque é um método analítico dependente da forma da função de distribuição. Por exemplo, a distribuição Gaussiana inversa e unidimensional é impossível de calcular, no entanto, a amostragem...
Algum tempo atrás, Xian perguntou Qual é o equivalente para cdfs do MCMC para pdfs? A resposta ingênua seria usar o algoritmo Metropolis "aproximado" na forma Dado X(t)=x(t)X(t)=x(t)X^{(t)} = x^{(t)} 1. gerar Y∼q(y|x(t))Y∼q(y|x(t))Y \sim q(y|x^{(t)}) 2. pegue X(t+1)={Yx(t) with...
Como é possível obter taxas de aceitação de Metropolis-Hastings perto de 1 (por exemplo, ao explorar uma distribuição unimodal com uma distribuição de proposta normal com SD muito pequeno), após o término da gravação? Eu vejo isso nas minhas próprias cadeias de MCMC, mas não entendo como isso faz...
Existem várias versões dos algoritmos adaptáveis do Metropolis Hastings. Um é implementado na função Metro_Hastingsdo Rpacote MHadaptive, veja aqui . A referência listada lá, Spiegelhalter et al. (2002), infelizmente, não contém uma descrição de nenhum algoritmo adaptativo, até onde posso ver. No...