MCMC পদ্ধতি - জ্বলনের নমুনা?

Question

ইন এমসিএমসি পদ্ধতি, আমি পড়া রাখা burn-inসময় বা নমুনার সংখ্যা "burn"। এটি ঠিক কী এবং কেন এটির প্রয়োজন?

হালনাগাদ:

একবার MCMC স্থিতিশীল হয়ে গেলে, এটি কি স্থিতিশীল থাকে? burn-inসময়ের ধারণাটি মিশ্র সময়ের সাথে সম্পর্কিত কীভাবে ?

Comments

' বার্ন-ইন ' শব্দগুচ্ছটি নমুনাগুলি 'জ্বলন্ত' বোঝায় না, তবে সিস্টেমটিকে সন্তোষজনকভাবে তার "নতুন" অবস্থা থেকে বেরিয়ে আসতে দেয় যেখানে এটি ব্যবহারের জন্য উপযুক্ত। (নমুনাগুলি স্থির হওয়ার সময় ফেলে দেওয়া হয়, হ্যাঁ, তবে শব্দগুচ্ছটি সেই অর্থে 'জ্বলন্ত' বোঝায় না road রাস্তায় নেওয়ার আগে এটি 'ইঞ্জিন উষ্ণ করা' আরও নিকটবর্তী of )) কিছুটা আলোচনার জন্য এই উত্তরটি দেখুন এটা কি জন্য

— গ্লেন_বি -রিনস্টেট মনিকা

(বিশেষত, উত্তরটির প্রথম অনুচ্ছেদ)

— Glen_b -Reninstate Monica

@ গ্লেন_বি, আমি অনুমান করি আমি এটি জানতাম তবে আমি ধোঁয়াশায় সন্দেহজনক নমুনাগুলির মানসিক চিত্রটি আরও ভালভাবেই পছন্দ করি ....

— ম্যাট ক্রাউস

Answer 1

$n$

ধারণাটি একটি "খারাপ" প্রারম্ভিক বিন্দুটি ভারসাম্য বন্টনের অধীনে স্থির হওয়ার আগেই ভারসাম্য বন্টনের অধীনে খুব কম সম্ভাবনা রয়েছে এমন অঞ্চলগুলিকে বেশি স্যাম্পল করতে পারে। যদি আপনি এই পয়েন্টগুলি দূরে ফেলে দেন তবে পয়েন্টগুলি যেগুলি হওয়ার সম্ভাবনা নেই তা যথাযথ বিরল হবে।

এই পৃষ্ঠাটি একটি দুর্দান্ত উদাহরণ দেয়, তবে এটি আরও উল্লেখ করে যে বার্ন-ইন একটি নীতিগত কৌশলটির চেয়ে হ্যাক / আর্টফর্মের চেয়ে বেশি। তত্ত্ব অনুসারে, আপনি কেবলমাত্র দীর্ঘ সময়ের জন্য নমুনা নিতে পারেন বা পরিবর্তে শালীন সূচনা পয়েন্ট চয়ন করার কোনও উপায় খুঁজে পেতে পারেন।

সম্পাদনা করুন: মিশ্রণের সময়টি বোঝায় যে চেইনটি তার অবিচল স্থিতিতে পৌঁছাতে কত সময় নেয়, তবে সরাসরি গণনা করা প্রায়শই কঠিন। আপনি যদি মিক্সিংয়ের সময়টি জানতেন তবে আপনি কেবলমাত্র এটির অনেকগুলি নমুনা বর্জন করতেন তবে অনেক ক্ষেত্রে আপনি তা করেন না। সুতরাং, আপনি বার্ন-ইন সময় বেছে নিন যা পরিবর্তে আশাকরি যথেষ্ট বড়।

যতদূর স্থায়িত্ব - এটি নির্ভর করে। যদি আপনার চেইন রূপান্তরিত হয়, তবে ... এটি রূপান্তরিত হয়েছে। যাইহোক, এমন পরিস্থিতি রয়েছে যেখানে শৃঙ্খলটি রূপান্তরিত হয়েছে বলে মনে হয় তবে বাস্তবে রাষ্ট্রীয় জায়গার এক অংশে কেবল "হ্যাঙ্গআউট" হয়। উদাহরণস্বরূপ, কল্পনা করুন যে বেশ কয়েকটি মোড রয়েছে তবে প্রতিটি মোড অপরের সাথে দুর্বলভাবে সংযুক্ত। স্যাম্পলারের পক্ষে এ ব্যবধানটি পুরোপুরি তৈরি করতে এটি বেশ দীর্ঘ সময় নিতে পারে এবং এই লাফটি তৈরি না করা অবধি চেইনের ডানদিকে রূপান্তরিত হওয়ার মতো দেখায়।

কনভার্সনের জন্য ডায়াগনস্টিকস রয়েছে তবে তাদের মধ্যে অনেকেরই সত্যিকারের একত্রিতকরণ এবং ছদ্ম-রূপান্তর পৃথক করে বলতে খুব বেশি কষ্ট হয়। মার্কভ চেইন মন্টি কার্লোর হ্যান্ডবুকের চার্লস জিয়েরের অধ্যায় (# 1) যতটা পারছেন ততক্ষণ চেইনটি চালানো সব কিছুর সম্পর্কে বেশ হতাশাব্যঞ্জক।

Comments

ধন্যবাদ। ধারণাটি আরও স্পষ্ট করার আশায় আমি ওপিতে একটি ছোট আপডেট যুক্ত করেছি।

— আমেলিও ভাজকেজ-রেইনা

আমি আরও কিছু যোগ; আশা করি এইটি কাজ করবে.

— ম্যাট ক্রাউস

Answer 2

মেট্রোপলিস-হেস্টিংস অ্যালগোরিদম এলোমেলোভাবে উত্তর বিতরণ থেকে নমুনা। সাধারণত, প্রাথমিক নমুনাগুলি সম্পূর্ণরূপে বৈধ নয় কারণ মার্কোভ চেইন স্থিতিশীল বিতরণে স্থিতিশীল হয়নি। নমুনাগুলিতে পোড়া আপনাকে এই প্রাথমিক নমুনাগুলি বাতিল করতে দেয় যা এখনও বন্ধ হয় না।

Comments

ধন্যবাদ - একবার মার্কভ চেন স্থিতিশীল হয়ে গেলে, এটি কি স্থিতিশীল থাকে? এটি মিক্সিং-টাইমের ধারণার সাথে কীভাবে সম্পর্কিত? এটা কি একই?

— অ্যামিলিও ওয়াজকেজ-রেইনা