Sé bastante sobre el ajuste de parámetros continuos, particularmente los métodos basados en gradientes, pero no mucho sobre el ajuste de parámetros discretos. ¿Cuáles son los algoritmos / técnicas MCMC comúnmente utilizados para ajustar parámetros discretos? ¿Existen algoritmos que sean...
¿Alguien sabe en qué año MCMC se convirtió en un lugar común (es decir, un método popular para la inferencia bayesiana)? Un enlace a la cantidad de artículos publicados de MCMC (revista) a lo largo del tiempo sería especialmente
Estoy tratando de aplicar MCMC en un problema, pero mis antecedentes (en mi caso son α∈[0,1],β∈[0,1]α∈[0,1],β∈[0,1]\alpha\in[0,1],\beta\in[0,1] ) ¿están restringidos a un área? ¿Puedo usar MCMC normal e ignorar las muestras que quedan fuera de la zona restringida (que en mi caso es [0,1] ^ 2), es...
Estoy tratando de entender qué es la cadena de Markov Monte Carlo (MCMC) de la página de Wikipedia en francés. Dicen "que los métodos de Monte Carlo de la cadena de Markov consisten en generar un vector solo a partir de los datos del vector lo tanto, es un proceso" sin memoria ""XyoXyox_ {i}Xi -...
Según la autoridad suprema 1, Gibbs Sampling es un caso especial del algoritmo Metropolis-Hastings para el muestreo de Markov Chain Monte Carlo. El algoritmo MH siempre proporciona una probabilidad de transición con la propiedad de balance detallada; Espero que Gibbs también lo haga. Entonces,...
Estoy tratando de implementar el algoritmo MCMC de golpe y ejecución, pero tengo algunos problemas para entender cómo hacerlo. La idea general es la siguiente: Para generar un salto de propuesta en MH, nosotros: Genere una dirección partir de una distribución en la superficie de la esfera...
Estaba revisando la documentación de Stan que se puede descargar desde aquí . Estaba particularmente interesado en su implementación del diagnóstico Gelman-Rubin. El artículo original Gelman y Rubin (1992) define el factor de reducción de escala potencial (PSRF) de la siguiente manera: Deje que...
El cambio de etiqueta (es decir, la distribución posterior es invariante al cambio de etiquetas de componentes) es un problema problemático cuando se usa MCMC para estimar modelos de mezcla. ¿Existe una metodología estándar (como la ampliamente aceptada) para tratar el problema? Si no existe un...
Después de leer esta publicación de blog sobre los modelos de series de tiempo estructurales bayesianas, quería analizar su implementación en el contexto de un problema para el que había usado ARIMA anteriormente. Tengo algunos datos con algunos componentes estacionales conocidos (pero ruidosos):...
Estoy tratando de entender las cadenas de Markov usando SAS. Entiendo que un proceso de Markov es uno en el que el estado futuro depende solo del estado actual y no del estado pasado y hay una matriz de transición que captura la probabilidad de transición de un estado a otro. Pero luego me...
Los algoritmos MCMC como el muestreo de Metropolis-Hastings y Gibbs son formas de muestreo de las distribuciones posteriores conjuntas. Creo que entiendo y puedo implementar la aceleración de las metrópolis con bastante facilidad: simplemente elige los puntos de partida de alguna manera y...
Mi pregunta básica es: ¿cómo tomaría muestras de una distribución incorrecta? ¿Tiene sentido tomar muestras de una distribución incorrecta? El comentario de Xi'an aquí aborda la pregunta, pero estaba buscando más detalles sobre esto. Más específico para MCMC: Al hablar sobre MCMC y leer...
En las últimas semanas, he estado tratando de entender MCMC y los algoritmos de Metropolis-Hastings. Cada vez que creo entenderlo me doy cuenta de que estoy equivocado. La mayoría de los ejemplos de código que encuentro en línea implementan algo que no es consistente con la descripción. es decir:...
Según tengo entendido, la Computación Bayesiana Aproximada (ABC) y la Cadena de Markov Monte Carlo (MCMC) tienen objetivos muy similares. A continuación describo mi comprensión de estos métodos y cómo percibo las diferencias en su aplicación a los datos de la vida real. Computación Bayesiana...
He estado tratando de entender el algoritmo de Metropolis-Hastings para escribir un código para estimar los parámetros de un modelo (es decir, F( x ) = a ∗ xF(X)=un∗Xf(x)=a*x ). Según la bibliografía, el algoritmo Metropolis-Hastings tiene los siguientes pasos: Generar Yt∼ q( yEl | Xt)Yt∼q(yEl...
Estaba pasando por algunas conferencias relacionadas con MCMC. Sin embargo, no encuentro un buen ejemplo de cómo se usa. ¿Alguien puede darme un ejemplo concreto? Todo lo que puedo ver es que corren una cadena de Markov y dicen que su distribución estacionaria es la distribución deseada. Quiero un...
¿Alguien sabe de algún código bien escrito (en Matlab o R) para MCMC de salto reversible? Preferiblemente, una aplicación de demostración simple para complementar los documentos sobre el tema, que sería útil para comprender el
P: ¿Cuál es la forma estándar de agrupar datos utilizando un proceso Dirichlet? Cuando se usa Gibbs, los grupos de muestreo aparecen y desaparecen durante el muestreo. Además, tenemos un problema de identificabilidad ya que la distribución posterior es invariable para los reencadenamientos de...
¿Se han realizado estudios a gran escala de métodos MCMC que comparen el rendimiento de varios algoritmos diferentes en un conjunto de densidades de prueba? Estoy pensando en algo equivalente al artículo de Rios y Sahinidis (2013), que es una comparación exhaustiva de una gran cantidad de...
Estoy ejecutando una muestra de Metropolis (C ++) y quiero usar las muestras anteriores para estimar la tasa de convergencia. Un diagnóstico fácil de implementar que encontré es el diagnóstico de Geweke , que calcula la diferencia entre las dos medias de muestra divididas por su error estándar...