Questions marquées «mcmc»

Markov Chain Monte Carlo (MCMC) fait référence à une classe de méthodes pour générer des échantillons à partir d'une distribution cible en générant des nombres aléatoires à partir d'une chaîne de Markov dont la distribution stationnaire est la distribution cible. Les méthodes MCMC sont généralement utilisées lorsque des méthodes plus directes pour la génération de nombres aléatoires (par exemple la méthode d'inversion) sont irréalisables. La première méthode MCMC était l'algorithme Metropolis, plus tard modifié en l'algorithme Metropolis-Hastings.

3
Faire MCMC: utiliser jags / stan ou l'implémenter moi-même
Je suis nouveau dans la recherche sur les statistiques bayésiennes. J'ai entendu des chercheurs dire que les chercheurs bayésiens mettaient mieux en œuvre MCMC par eux-mêmes plutôt que d'utiliser des outils comme JAGS / Stan. Puis-je demander quel est l'avantage d'implémenter l'algorithme MCMC par soi-même (dans des langages "pas assez …
13 bayesian  mcmc 
1
Monte Carlo hamiltonien et espaces de paramètres discrets
Je viens de commencer à construire des modèles en stan ; pour me familiariser avec l'outil, je travaille sur certains des exercices d'analyse des données bayésiennes (2e éd.). L' exercice Waterbuck suppose que les données , avec inconnues. Puisque l'hamiltonien Monte Carlo ne permet pas de paramètres discrets, j'ai déclaré …
3
Comprendre MCMC: quelle serait l'alternative?
Apprendre les statistiques bayésiennes pour la première fois; comme un angle vers la compréhension de MCMC, je me suis demandé: est-ce qu'il fait quelque chose qui ne peut fondamentalement pas être fait d'une autre manière, ou est-ce juste quelque chose de bien plus efficace que les alternatives? À titre d'illustration, …
13 bayesian  mcmc 
1
Comprendre MCMC et l'algorithme Metropolis-Hastings
Au cours des derniers jours, j'ai essayé de comprendre comment fonctionne Markov Chain Monte Carlo (MCMC). En particulier, j'ai essayé de comprendre et de mettre en œuvre l'algorithme Metropolis-Hastings. Jusqu'à présent, je pense que j'ai une compréhension globale de l'algorithme, mais il y a quelques choses qui ne sont pas …
2
MCMC convergeant vers une valeur unique?
J'essaie d'adapter un modèle hiérarchique à l'aide de jags et du package rjags. Ma variable de résultat est y, qui est une séquence d'essais bernoulli. J'ai 38 sujets humains qui se produisent sous deux catégories: P et M. D'après mon analyse, chaque locuteur a une probabilité de succès dans la …
2
Fiabilité du mode à partir d'un échantillon MCMC
Dans son livre Doing Bayesian Data Analysis, John Kruschke déclare qu'en utilisant JAGS de R ... l'estimation du mode à partir d'un échantillon MCMC peut être plutôt instable car l'estimation est basée sur un algorithme de lissage qui peut être sensible aux bosses et ondulations aléatoires dans l'échantillon MCMC. ( …
12 bayesian  mcmc  mode 
2
Quand MCMC est-il utile?
J'ai du mal à comprendre dans quelle situation l'approche MCMC est réellement utile. Je passe par un exemple de jouet du livre de Kruschke "Faire l'analyse des données bayésiennes: un tutoriel avec R et BUGS". Ce que j'ai compris jusqu'à présent, c'est que nous avons besoin d'une distribution cible qui …
12 mcmc 
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.