প্রশ্ন ট্যাগ «gibbs»

আমি বয়েসিয়ান মডেলগুলি অনুমান করার জন্য কোনও বিজিজি শৈলীর পরিবেশ চেষ্টা করতে চলেছি। ওপেনব্যাগস বা জেএজিএস-এর মধ্যে বাছাইয়ের ক্ষেত্রে কি কোনও গুরুত্বপূর্ণ সুবিধা বিবেচনা করা উচিত? প্রত্যাশিত ভবিষ্যতে কি অন্যটির প্রতিস্থাপনের সম্ভাবনা রয়েছে? আমি আর এর সাথে বাছাই করা গীবস স্যাম্পলারটি ব্যবহার করব I আমার কাছে এখনও কোনও নির্দিষ্ট অ্যাপ্লিকেশন …

41 r  software  bugs  jags  gibbs 

আমি MCMC পদ্ধতি শিখতে চেষ্টা করছি এবং মহানগর হেস্টিংস, গীবস, গুরুত্ব এবং প্রত্যাখ্যান নমুনা জুড়ে এসেছি। যদিও এর মধ্যে কিছু পার্থক্য স্পষ্ট, যেমন গিবস কীভাবে মেট্রোপলিস হেস্টিংসের একটি বিশেষ ঘটনা যখন আমাদের সম্পূর্ণ শর্ত থাকে তখন অন্যরা কম স্পষ্ট হয় যেমন আমরা যখন গিবস স্যাম্পলারের মধ্যে এমএইচ ব্যবহার করতে চাই …

36 mcmc  monte-carlo  gibbs  metropolis-hastings  importance-sampling 

আমি গিবস স্যাম্পলিং কীভাবে কাজ করে তা শিখতে চাই এবং আমি একটি ভাল বেসিক থেকে মধ্যবর্তী কাগজের সন্ধান করছি। আমার একটি কম্পিউটার বিজ্ঞানের পটভূমি এবং প্রাথমিক পরিসংখ্যান জ্ঞান রয়েছে। আশেপাশে কেউ ভালো মাল পড়েছে? আপনি এটি কোথায় শিখলেন? ধন্যবাদ

29 references  gibbs 

যখন আমি কোনও সমস্যার জন্য একটি মন্টি কার্লো সিমুলেশন কোডিং করছি এবং মডেলটি যথেষ্ট সহজ, আমি একটি খুব বেসিক পাঠ্যপুস্তক গীবস নমুনা ব্যবহার করি। গীবস স্যাম্পলিং ব্যবহার করা যখন সম্ভব না হয়, তখন আমি বহু বছর আগে শিখেছি মেট্রোপলিস-হেস্টিংস পাঠ্যপুস্তকটি কোড করি। আমি কেবল এটিই দিচ্ছি যে জাম্পিং বিতরণ বা …

21 bayesian  mcmc  gibbs  metropolis-hastings 

আমি সবেমাত্র গিবস স্যাম্পলিং এবং মেট্রোপলিস হেস্টিংস অ্যালগরিদম সম্পর্কে কিছু পড়ছি এবং কয়েকটি প্রশ্ন রয়েছে। আমি যেমন এটি বুঝতে পারি, গীবস স্যাম্পলিংয়ের ক্ষেত্রে, যদি আমাদের একটি বৃহত্তর মাল্টিভারিয়েট সমস্যা থাকে তবে আমরা শর্তসাপেক্ষ বিতরণ থেকে নমুনা করি যেমন এমএইচ থাকাকালীন অন্য সকলকে স্থির রেখে নমুনা একটি পরিবর্তনশীল, আমরা সম্পূর্ণ যৌথ …

20 bayesian  sampling  mcmc  gibbs  metropolis-hastings 

এমসিএমসি বিভিন্ন ধরণের অ্যালগোরিদম রয়েছে: মেট্রোপলিস-হেস্টিংস গিবস গুরুত্ব / প্রত্যাখ্যান নমুনা (সম্পর্কিত)। কেন কেউ মেট্রোপলিস-হেস্টিংসের পরিবর্তে গিবস স্যাম্পলিং ব্যবহার করবেন? আমি সন্দেহ করি এমন কিছু ঘটনা আছে যখন মেট্রোপলিস-হেস্টিংসের চেয়ে গিবস স্যাম্পলিংয়ের সাথে অনুমান বেশি ট্র্যাকটেবল হয় তবে আমি সুনির্দিষ্ট বিষয়ে পরিষ্কার নই।

20 bayesian  simulation  mcmc  gibbs  metropolis-hastings 

আমার কাছে সুপ্রিম অথরিটি 1 এ আছে যে গিবস স্যাম্পলিং হ'ল মার্কভ চেইন মন্টি কার্লো স্যাম্পলিংয়ের জন্য মেট্রোপলিস-হেস্টিংস অ্যালগরিদমের একটি বিশেষ মামলা। এমএইচ অ্যালগরিদম সর্বদা বিশদ ব্যালেন্স সম্পত্তি সহ একটি রূপান্তর সম্ভাবনা দেয়; আমি আশা করি গিবসও উচিত। তাহলে নিম্নলিখিত সরল ক্ষেত্রে আমি কোথায় ভুল হয়ে গেছি? দুটি বিযুক্ত (সরলতার …

17 mcmc  gibbs 

আমি স্টান ডকুমেন্টেশন দিয়ে যাচ্ছিলাম যা এখান থেকে ডাউনলোড করা যায় । আমি বিশেষত তাদের জেলম্যান-রুবিন ডায়াগনস্টিক বাস্তবায়নে আগ্রহী ছিলাম। মূল কাগজ গেলম্যান অ্যান্ড রুবিন (1992) সম্ভাব্য স্কেল হ্রাসের উপাদান (পিএসআরএফ) নিম্নলিখিত হিসাবে সংজ্ঞায়িত করেছে: যাক হতে তম মার্কভ চেইন নমুনা, এবং সামগ্রিক হোক স্বাধীন নমুনা চেইন। যাক থেকে গড় …

16 mcmc  convergence  gibbs  metropolis-hastings  stan 

মেট্রোপলিস-হেস্টিংস এবং গিবস স্যাম্পলিংয়ের মতো এমসিসিএমের অ্যালগরিদমগুলি যৌথ উত্তরোত্তর বিতরণগুলি থেকে নমুনার উপায়। আমি মনে করি যে আমি মহানগর-হেসিংকে খুব সহজেই বুঝতে পেরেছি এবং বাস্তবায়ন করতে পারি - আপনি সহজভাবে কোনওভাবে প্রারম্ভিক পয়েন্টগুলি বেছে নিন এবং এলোমেলোভাবে 'প্যারামিটার স্পেসে চলুন', উত্তরের ঘনত্ব এবং প্রস্তাবের ঘনত্ব দ্বারা পরিচালিত। গিবস স্যাম্পলিংটি খুব …

15 bayesian  mcmc  gibbs 

আমি বিভাগের 4.2.1 বিভাগে ফলাফলগুলি স্ক্র্যাচ থেকে পুনরুত্পাদন করছি গীবস আউটপুট থেকে প্রান্তিক সম্ভাবনা সিদ্ধার্থ চিব আমেরিকান স্ট্যাটিস্টিকাল অ্যাসোসিয়েশন জার্নাল, খণ্ড। 90, নং 432. (ডিসেম্বর।, 1995), পৃষ্ঠা 1313-1321। এটি উপাদানগুলির পরিচিত নম্বর এর সাথে নরমাল মডেলের মিশ্রণ । k≥1k≥1k\geq 1f(x∣w,μ,σ2)=∏i=1n∑j=1kN(xi∣μj,σ2j).(∗)f(x∣w,μ,σ2)=∏i=1n∑j=1kN(xi∣μj,σj2).(∗) f(x\mid w,\mu,\sigma^2) =\prod_{i=1}^n\sum_{j=1}^k \mathrm{N}(x_i\mid\mu_j,\sigma_j^2) \, . \qquad (*) ট্যানার এবং …

13 bayesian  mixture  gibbs 

গেলম্যান অ্যান্ড হিল (২০০)) এর বইতে (ডাটা অ্যানালাইসিস ইউজ রিগ্রেশন অ্যান্ড মাল্টিলেভেল / হায়ারার্কিকাল মডেলস) বইটিতে লেখকরা দাবি করেছেন যে অপ্রয়োজনীয় গড় প্যারামিটারগুলি এমসিএমসিকে গতি বাড়িয়ে তুলতে সহায়তা করে। প্রদত্ত উদাহরণটি "ফ্লাইট সিমুলেটর" এর এক নেস্টেড মডেল (Eq 13.9): yiγjδk∼N(μ+γj[i]+δk[i],σ2y)∼N(0,σ2γ)∼N(0,σ2δ)yi∼N(μ+γj[i]+δk[i],σy2)γj∼N(0,σγ2)δk∼N(0,σδ2) \begin{align} y_i &\sim N(\mu + \gamma_{j[i]} + \delta_{k[i]}, \sigma^2_y) \\ …

12 mcmc  hierarchical-bayesian  gibbs 

আমি যতদূর বুঝতে পেরেছি, এটি (কমপক্ষে, উইকিপিডিয়া এটির সংজ্ঞা দেয় )। তবে আমি এফ্রন * এর এই বক্তব্যটি খুঁজে পেয়েছি (যুক্ত হওয়া যুক্ত): মার্কভ চেইন মন্টি কার্লো (এমসিএমসি) আধুনিক বায়সিয়ান পরিসংখ্যানগুলির দুর্দান্ত সাফল্যের গল্প। এমসিএমসি এবং এর বোন পদ্ধতি "গীবস স্যাম্পলিং" বিশ্লেষণাত্মক অভিব্যক্তির পক্ষে জটিল পরিস্থিতিতে উত্তরোত্তর বিতরণের সংখ্যাগত গণনার …

11 mcmc  gibbs 

আমার অধ্যয়নের পটভূমি : একটি গিবস স্যাম্পলিং যেখানে আমরা নমুনা (স্বার্থ পরিবর্তনশীল) এবং থেকে এবং যথাক্রমে যেখানে এবং হয় -dimensional র্যান্ডম ভেক্টর। আমরা জানি যে প্রক্রিয়াটি সাধারণত দুটি পর্যায়ে বিভক্ত হয়:Y P ( X | Y ) P ( Y | X ) X Y kXXXYYYP(X|Y)P(X|Y)P(X|Y)P(Y|X)P(Y|X)P(Y|X)XXXYYYkkk বার্ন-ইন পিরিয়ড, যেখানে আমরা …

11 hypothesis-testing  covariance  covariance-matrix  gibbs 

আমি আসলে এটি জিজ্ঞাসা করতে দ্বিধা বোধ করছি, কারণ আমি আশঙ্কা করছি যে আমাকে গিবস স্যাম্পলিংয়ের অন্যান্য প্রশ্ন বা উইকিপিডিয়ায় উল্লেখ করা হবে, তবে তারা কী আছে তা বর্ণনা করার মতো অনুভূতি আমার নেই। শর্তসাপেক্ষ সম্ভাবনা দেওয়া হয়েছে : p ( x | y ) y = y 0 y …

11 sampling  mcmc  gibbs 

ধরুন আপনার কাছে একটি বর্ণনামূলক পরিবর্তনশীল এক্স =(এক্স( গুলি)1) , … , এক্স( গুলি)এন))X=(X(s1),…,X(sn)){\bf{X}} = \left(X(s_{1}),\ldots,X(s_{n})\right) যেখানে sss একটি প্রদত্ত স্থানাঙ্কের প্রতিনিধিত্ব করে। এছাড়াও আপনি একটি প্রতিক্রিয়া পরিবর্তনশীল আছে Y=(Y(s1),…,Y(sn))Y=(Y(s1),…,Y(sn)){\bf{Y}} = \left(Y(s_{1}),\ldots,Y(s_{n})\right) । এখন, আমরা উভয় ভেরিয়েবল একত্রিত করতে পারি: W(s)=(X(s)Y(s))∼N(μ(s),T)W(s)=(X(s)Y(s))∼N(μ(s),T){\bf{W}}({\bf{s}}) = \left( \begin{array}{ccc}X(s) \\ Y(s) \end{array} \right) \sim N(\boldsymbol{\mu}(s), …

11 probability  bayesian  conditional-probability  gibbs