প্রশ্ন ট্যাগ «metropolis-hastings»

জটিল সম্ভাব্যতা বিতরণ থেকে অনুকরণ করতে ব্যবহৃত একটি বিশেষ ধরণের মার্কভ চেইন মন্টি কার্লো (এমসিএমসি) অ্যালগরিদম। এটি মার্কভ চেইন তত্ত্ব দ্বারা বৈধ যাচাই করা হয় এবং সম্ভাব্য বাস্তবায়নের বিস্তৃত পরিসর দেয়।

2
গিবস স্যাম্পলিং সম্পর্কিত বিভ্রান্তি
আমি এই নিবন্ধটি জুড়ে এসেছি যেখানে এটি বলে যে গিবস স্যাম্পলিংয়ে প্রতিটি নমুনা গ্রহণ করা হয়। আমি একটু বিভ্রান্ত। প্রতিটি নমুনা যদি এটি গ্রহণ করে তবে কীভাবে আসে তা স্থির বিতরণে রূপান্তরিত হয়। সাধারণ মহানগর অ্যালগরিদমে আমরা ন্যূনতম (1, পি (এক্স *) / পি (এক্স)) হিসাবে গ্রহণ করি যেখানে x …

2
এমসিএমসি ব্যবহার করে পরিচিত ঘনত্বের সাথে দ্বিবিভক্ত বিতরণ থেকে নমুনা
আমি আর তে মেট্রোপলিস অ্যালগরিদম ব্যবহার করে একটি বিভাজন ঘনত্ব থেকে সিমুলেট করার চেষ্টা করেছি এবং কোনও ভাগ্য হয়নি। ঘনত্বটি হিসাবে প্রকাশ করা যেতে পারে , যেখানে সিং-মাদদলা বিতরণp ( x , y))পি(এক্স,Y)p(x,y)p ( y)| x)পি(এক্স)পি(Y|এক্স)পি(এক্স)p(y|x)p(x)পি (x)p(x)p(x) p ( x ) =a qএক্সa - 1খএকটি( 1 + (এক্সখ)একটি)1 + কিউপি(এক্স)=একটিকুইএক্সএকটি-1খএকটি(1+ …
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.