প্রশ্ন ট্যাগ «metropolis-hastings»

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 

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 অভিযোজিত এমসিএমসি সম্পর্কে পড়ছি (উদাহরণস্বরূপ, মার্কভ চেইন মন্টি কার্লো এর হ্যান্ডবুকের চতুর্থ অধ্যায়টি দেখুন , এড। ব্রুকস এট আল।, 2011; এবং এন্ড্রিউ ও থমস, ২০০৮ )) রবার্টস এবং রোসন্থাল (2007) এর প্রধান ফলাফলটি হ'ল অভিযোজন প্রকল্পটি যদি অদৃশ্যকরণ অভিযোজন শর্তটি (আরও কিছু প্রযুক্তিগত) সন্তুষ্ট করে তবে অ্যাডাপটিভ এমসিএমসি যে …

20 simulation  mcmc  random-generation  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 

আমি আজ খ্রিস্টান রবার্টের ব্লগটি পড়ছিলাম এবং তিনি যে নতুন মেট্রোপলিস-হেস্টিংস অ্যালগরিদম নিয়ে আলোচনা করছেন তা বেশ পছন্দ হয়েছিল। এটি প্রয়োগ করা সহজ এবং সহজ বলে মনে হয়েছিল। আমি যখনই এমসিসিএম কোড আপ করি তখন আমি খুব বেসিক এমএইচ অ্যালগরিদম যেমন লগ স্কেলে স্বতন্ত্র পদক্ষেপ বা এলোমেলো পদক্ষেপের সাথে লেগে …

20 mcmc  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 

ধরুন আমার একটি ফাংশন যা আমি একীভূত করতে চাই অবশ্যই ধরে নিচ্ছি শেষ পয়েন্টগুলিতে শূন্যে যায়, কোনও ব্লুপআপস নেই, দুর্দান্ত ফাংশন। আমি যেভাবে মুগ্ধ করে চলেছি তা হ'ল মেট্রোপলিস-হেস্টিংস অ্যালগরিদম ব্যবহার করে নমুনা এর বিতরণ আনুপাতিক থেকে , যা স্বাভাবিককরণের ধ্রুবকটি অনুপস্থিত missing যাকে আমি বলব এবং তারপরে এই উপর …

16 simulation  monte-carlo  metropolis-hastings  numerical-integration 

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 

গত কয়েক সপ্তাহ ধরে আমি এমসিসিএম এবং মেট্রোপলিস-হেস্টিংস অ্যালগরিদম (গুলি) বোঝার চেষ্টা করছি। যতবারই আমি এটি বুঝতে পারি আমি বুঝতে পারি যে আমি ভুল। আমি বেশিরভাগ কোড উদাহরণগুলি অন-লাইনে এমন কিছু বাস্তবায়ন করি যা বর্ণনার সাথে সামঞ্জস্যপূর্ণ নয়। অর্থাত্: তারা বলে যে তারা মেট্রোপলিস-হেস্টিংস বাস্তবায়ন করে তবে তারা প্রকৃতপক্ষে এলোমেলো …

15 mcmc  metropolis-hastings 

প্রতিসম প্রস্তাব সহ এলোমেলো পদক্ষেপ মেট্রোপলিস-হ্যাসিটিংস কুই( x | y)) = ছ( | ওয়াই)- এক্স | )কুই(এক্স|Y)=ছ(|Y-এক্স|)q(x|y)= g(|y-x|) এর এমন বৈশিষ্ট্য রয়েছে যা গ্রহণের সম্ভাবনা পি( একটি সি সি ই পি টি y)) = মিনিট { 1 , চ( y)) / এফ( এক্স ) }পি(একটিগগইপিটি Y)=সর্বনিম্ন{1,চ(Y)/চ(এক্স)}P(accept\ y) = \min\{1, f(y)/f(x)\} …

14 mcmc  metropolis-hastings 

কোনও মডেলের পরামিতি (যেমন ) নির্ধারণের জন্য কোড লিখতে আমি মেট্রোপলিস-হেস্টিংস অ্যালগরিদম বোঝার চেষ্টা করছি been গ্রন্থপঞ্জি অনুসারে মেট্রোপলিস-হেস্টিংস অ্যালগরিদমের নিম্নলিখিত পদক্ষেপ রয়েছে:f(x)=a∗xf(x)=a∗xf(x)=a*x জেনারেট করুন Yt∼q(y|xt)Yt∼q(y|xt)Y_t \sim q(y|x^t) Xt+1={Yt,xt,with probabilityρ(xt,Yt),with probability1−ρ(xt,Yt),Xt+1={Yt,with probabilityρ(xt,Yt),xt,with probability1−ρ(xt,Yt),X^{t+1}=\begin{cases} Y^t, & \text{with probability} \quad \rho(x^t,Y_t), \\ x^t, & \text{with probability} \quad 1-\rho(x^t,Y_t), \end{cases} ρ(x,y)=min(f(y)f(x)∗q(x|y)q(y|x),1)ρ(x,y)=min(f(y)f(x)∗q(x|y)q(y|x),1)\rho(x,y)=\min \left( \frac{f(y)}{f(x)}*\frac{q(x|y)}{q(y|x)},1 …

14 mcmc  metropolis-hastings 

মার্কোভ চেইন মন্টি কার্লো (এমসিএমসি) কীভাবে কাজ করে তা আমি গত কয়েক দিন ধরে বোঝার চেষ্টা করছি। বিশেষত আমি মেট্রোপলিস-হেস্টিংস অ্যালগরিদম বোঝার এবং প্রয়োগ করার চেষ্টা করে যাচ্ছি। এখনও অবধি আমি মনে করি আমার কাছে অ্যালগরিদম সম্পর্কে সামগ্রিক ধারণা আছে তবে বেশ কয়েকটি জিনিস রয়েছে যা আমার কাছে এখনও পরিষ্কার …

13 mcmc  metropolis-hastings 

3 প্যারামিটার ফাংশনের অবিচ্ছেদ্য মূল্যায়ন করার জন্য আমার একটি সিমুলেশন করা দরকার, আমরা বলি , যার একটি খুব জটিল সূত্র রয়েছে। এমপিএমসি পদ্ধতিটি এটি গণনা করার জন্য এবং মেট্রোপলিস-হেস্টিংস অ্যালগরিদমকে হিসাবে বিতরণ করা মানগুলি তৈরি করতে প্রয়োগ করতে বলা হয় এবং প্রস্তাবিত বিতরণ হিসাবে 3 টি ভিন্ন ভিন্ন স্বাভাবিক ব্যবহার …

13 mcmc  metropolis-hastings 

mgcvপ্যাকেজের Rঝুলানো টেন্সর পণ্যের পারস্পরিক ক্রিয়ার জন্য দুটি ফাংশন আছে: te()এবং ti()। আমি উভয়ের মধ্যে শ্রমের মৌলিক বিভাজন বুঝতে পারি (একটি অ-রৈখিক ইন্টারঅ্যাকশন বনাম বনাম। এই ইন্টারঅ্যাকশনটিকে প্রধান প্রভাব এবং একটি মিথস্ক্রিয়াতে ডেকপোজ করে)। আমি যা বুঝতে পারি না তা হ'ল কেন te(x1, x2)এবং ti(x1) + ti(x2) + ti(x1, x2)(কিছুটা) …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

আমি নিম্নলিখিত সিমুলেশন সমস্যাটি দেখতে : পরিচিত প্রকৃত সংখ্যাগুলির একটি সেট , distribution একটি ডিস্ট্রিবিউশন দ্বারা সংজ্ঞায়িত করা হয়েছে যেখানে ইতিবাচক অংশ উল্লেখ করে । যদিও আমি এই বিতরণকে লক্ষ্য করে কোনও মেট্রোপলিস-হেস্টিংস স্যাম্পেলার সম্পর্কে ভাবতে পারি, আমি অবাক হয়েছি যদি সেখানে কোনও কার্যকর সরাসরি নমুনা উপস্থিত থাকে তবে প্রচুর …

9 simulation  algorithms  random-generation  computational-statistics  metropolis-hastings