প্রান্তিক সম্ভাবনা এবং সুরেলা মানে অনুমানকারী
প্রান্তিক সম্ভাবনা অবর বিতরণের স্বাভাবিক ধ্রুবক হিসেবে সংজ্ঞায়িত করা হয়
p(x)=∫Θp(x|θ)p(θ)dθ.
এই পরিমাণের গুরুত্বটি বাইসের কারণগুলির মাধ্যমে মডেলের তুলনায় কার্যকর হওয়া ভূমিকা থেকে আসে ।
এই পরিমাণ আনুমানিক জন্য বেশ কয়েকটি পদ্ধতি প্রস্তাব করা হয়েছে। রাফারি এট। (2007) হরমোনিক গড় অনুমানকারী প্রস্তাব , যা তার সরলতার কারণে দ্রুত জনপ্রিয় হয়েছিল। ধারণাটি ব্যবহার করে থাকে using
1p(x)=∫Θp(θ|x)p(x|θ)dθ.
অতএব, যদি আমাদের থেকে কোনও নমুনা থাকে, , এই পরিমাণটি দ্বারা প্রায় অনুমান করা যায়(θ1,...,θN)
1p(x)≈1N∑j=1N1p(x|θj).
এই অনুমানটি গুরুত্ব স্যাম্পলিংয়ের ধারণার সাথে সম্পর্কিত ।
নীলের ব্লগে যেমন আলোচিত হয়েছে প্রচুর সংখ্যক আইন অনুসারে , আমাদের কাছে এই অনুমানকটি সামঞ্জস্যপূর্ণ । সমস্যাটি হ'ল ভাল অনুমানের জন্য প্রয়োজনীয় বিশাল হতে পারে। কিছু উদাহরণের জন্য নীলের ব্লগ বা রবার্টের ব্লগ 1 , 2 , 3 , 4 দেখুন ।N
বিকল্প
প্রায় আনুমানিক । চপিন এবং রবার্ট (২০০৮) কয়েকটি স্যাম্পলিং-ভিত্তিক কয়েকটি গুরুত্বের পদ্ধতি উপস্থাপন করেন।p(x)
২. আপনার এমসিসিএম স্যাম্পলারটি দীর্ঘকাল ধরে চালাচ্ছেন না (বিশেষত বহুমাত্রিকতার উপস্থিতিতে)
মেন্দোজা এবং গুতেরেজ-পেঁয়া (১৯৯৯) দুটি স্বাভাবিক উপায়ের অনুপাতের জন্য পূর্ববর্তী / উত্তরোত্তর রেফারেন্সটি কেটে ফেলুন এবং একটি সত্যিকারের ডেটা সেট ব্যবহার করে এই মডেলটির সাথে প্রাপ্ত সূত্রগুলির উদাহরণ উপস্থাপন করুন। এমসিএমসি পদ্ধতি ব্যবহার করে, তারা নীচে দেখানো মানে means অনুপাতের উত্তরোত্তর এর আকারের একটি নমুনা পান2000φ
এবং জন্য এইচপিডি ব্যবধান । উত্তরোত্তর বিতরণের অভিব্যক্তি বিশ্লেষণের পরে, এটি সহজেই দেখতে পাওয়া যায় যে এটির এককতা রয়েছে এবং উত্তরোত্তরটি অবশ্যই এটির মতো দেখতে হবে ( তে এককত্ব নোট করুন )φ (0.63,5.29)00
আপনি কেবলমাত্র দীর্ঘ সময় ধরে MCMC স্যাম্পলার চালনা করলে বা আপনি একটি অভিযোজিত পদ্ধতি ব্যবহার করলেই এটি সনাক্ত করা যায়। এর মধ্যে একটি পদ্ধতির সাথে প্রাপ্ত এইচপিডি হ'ল যেমন ইতিমধ্যে জানা গেছে । এইচপিডি ব্যবধানের দৈর্ঘ্যটি উল্লেখযোগ্যভাবে বৃদ্ধি পেয়েছে যা এর দৈর্ঘ্য ঘন ঘনতত্ত্ববিদ / শাস্ত্রীয় পদ্ধতির সাথে তুলনা করা হয় যখন গুরুত্বপূর্ণ জড়িত ।(0,7.25)
৩. কিছু অন্যান্য ইস্যু যেমন কনভার্ভেশন মূল্যায়ন করা, মূল্যবোধ শুরু করা, চেইনের দুর্বল আচরণ এই আলোচনাতে জেলম্যান, কার্লিন এবং নীল খুঁজে পাওয়া যায় ।
4. গুরুত্ব নমুনা
অবিচ্ছেদ্য আনুমানিক করার জন্য একটি পদ্ধতিতে একই ঘনত্ব দ্বারা পূর্ণসংখ্যার সমন্বয় করা হয় , একই সমর্থন সহ, আমরা যেগুলি থেকে অনুকরণ করতে পারিg
I=∫f(x)dx=∫f(x)g(x)g(x)dx.
তারপরে, যদি আমাদের কাছে , থেকে একটি নমুনা থাকে তবে আমরা নীচের হিসাবে আনুমানিকg(x1,...,xN)I
I≈1N∑j=1Nf(xj)g(xj).
একটি সম্ভাব্য সমস্যা হ'ল লেজগুলি ভারী / অনুরূপ / চেয়ে বেশি হওয়া উচিত বা একটি ভাল অনুমানের জন্য প্রয়োজনীয় বিশাল হতে পারে। আর এ নিম্নলিখিত খেলনা উদাহরণ দেখুন।f NgfN
# Integrating a Student's t with 1 d.f. using a normal importance function
x1 = rnorm(10000000) # N=10,000,000
mean(dt(x1,df=1)/dnorm(x1))
# Now using a Student's t with 2 d.f. function
x2 = rt(1000,df=2)
mean(dt(x2,df=1)/dt(x2,df=2))