মার্কেস চেইন মন্টি কার্লো বায়েশিয়ান অনুমানের জন্য ব্যবহার করার সময় আপনার রূপান্তর পরীক্ষা করার জন্য পছন্দসই পদ্ধতিটি কী এবং কেন?
উত্তর:
আমি জেলম্যান-রুবিন কনভার্সন ডায়াগোনস্টিকও ব্যবহার করি। গেলম্যান-রুবিনের একটি সম্ভাব্য সমস্যা হ'ল সঙ্কুচিত ফ্যাক্টরটি যদি সুযোগের সাথে 1 টির কাছাকাছি হয়ে যায়, তবে এটি জেলম্যান-রুবিন-ব্রুকস প্লটটি ব্যবহার করতে পারলে তা রূপান্তরটি ভুল-নির্ণয় করতে পারে। দেখুন "পুনরুক্তিকারী সিমিউলেশন কনভার্জেন্স নিরীক্ষণের জন্য সাধারণ পদ্ধতি" বিস্তারিত জানার জন্য কাগজ। এটি আর এর কোডা প্যাকেজে সমর্থিত ("মার্কভ চেইন মন্টি কার্লো সিমুলেশনের আউটপুট বিশ্লেষণ এবং ডায়াগোনস্টিক্সের জন্য")। codaএছাড়াও অন্যান্য কার্যাদি অন্তর্ভুক্ত করে (যেমন গিউকের কনভার্জেনশন ডায়াগোনস্টিক)।
আপনি "বোয়া: এমসিএমসি আউটপুট রূপান্তর মূল্যায়ন এবং উত্তরোত্তর অনুমানের জন্য একটি আর প্যাকেজ" এ একবার দেখতে পারেন ।
গেলম্যান-রুবিন পরিসংখ্যান ব্যবহার করার পরিবর্তে, যা একটি দুর্দান্ত সহায়তা তবে নিখুঁত নয় (সমস্ত কনভার্জেন্সি ডায়াগনস্টিকের মতো), আমি কেবল একই ধারণাটি ব্যবহার করি এবং ভিজ্যুয়াল গ্রাফিকাল মূল্যায়নের জন্য ফলাফলগুলি প্লট করি। প্রায় সব ক্ষেত্রেই আমি বিবেচনা করেছি (যা একটি খুব বড় সংখ্যা), বিভিন্ন বিস্তৃত শুরুর অবস্থান থেকে শুরু করা একাধিক এমসিসিএম চেইনের ট্রেস প্লটগুলি গ্রাফিং করা প্রতিটি ক্ষেত্রে একই উত্তরোত্তর রূপান্তরিত হচ্ছে কিনা তা দেখাতে বা মূল্যায়নের জন্য যথেষ্ট is । আমি এই পদ্ধতিটি ব্যবহার করি:
দক্ষতা এবং অভিব্যক্তি কিছুটা পৃথক সমস্যা: যেমন আপনার খুব কম দক্ষতার সাথে অভিব্যক্তি হতে পারে (যেমন এইভাবে রূপান্তর করার জন্য দীর্ঘ শৃঙ্খলার প্রয়োজন)। আমি এই গ্রাফিকাল পদ্ধতিটি নির্দিষ্ট এবং সাধারণ পরিস্থিতিতে রূপান্তর সমস্যার অভাবের সাফল্যের সাথে নির্ণয় করতে (এবং পরে সঠিক) ব্যবহার করেছি।
এটি বিতর্কটির এক দেরি হয়ে গেলেও এই সমস্যাটির সাথে মোকাবিলা করার জন্য আমাদের ২০০ book বইয়ের মন্টে কার্লো পদ্ধতিগুলি উপস্থাপনের একটি পুরো অধ্যায় রয়েছে । আপনি সিআরএএন থেকে এই প্রকারের জন্য CODA প্যাকেজও ডাউনলোড করতে পারেন ।
আমি প্রাথমিকভাবে ট্রেস প্লটগুলি করতে পছন্দ করি এবং কখনও কখনও আমি জেলম্যান-রুবিন কনভার্জেনশন ডায়াগনস্টিকও ব্যবহার করি।