Dada la fórmula para la estimación MAP de un parámetro ¿Por qué se necesita un enfoque MCMC (o similar), ¿no podría simplemente tomar la derivada, establecerla en cero y luego resolver el
Estoy buscando algunos documentos o libros con ejemplos prácticos y teóricos sobre MCMC básico para estadísticas bayesianas (con R). Nunca he estudiado sobre simulación, y es por eso que estoy buscando información "básica". ¿Me puede dar algunas recomendaciones o
Pregunta: Con una cadena MCMC de 10 dimensiones, digamos que estoy preparado para entregarle una matriz de los sorteos: 100,000 iteraciones (filas) por 10 parámetros (columnas), ¿cómo puedo identificar los modos posteriores? Me preocupan especialmente los modos múltiples. Antecedentes:Me considero...
Estoy trabajando en una función de Monte Carlo para valorar varios activos con rendimientos parcialmente correlacionados. Actualmente, acabo de generar una matriz de covarianza y alimentar la rmvnorm()función en R. (Genera valores aleatorios correlacionados). Sin embargo, al observar las...
Tengo una pregunta sobre cómo encajar un problema de censura en JAGS. Observo una mezcla bivariada normal donde los valores de X tienen un error de medición. Me gustaría modelar los verdaderos 'medios' subyacentes de los valores censurados observados. ⌈ xt r u e+ ϵ ⌉ = xo b s e r v e d ϵ ∼ N( 0...
Estoy trabajando en un proyecto de investigación relacionado con la optimización y recientemente tuve la idea de utilizar MCMC en este entorno. Desafortunadamente, soy bastante nuevo en los métodos MCMC, así que tuve varias preguntas. Comenzaré describiendo el problema y luego haciendo mis...
Actualmente estoy usando un enfoque bayesiano para estimar los parámetros de un modelo que consta de varias EDO. Como tengo 15 parámetros para estimar, mi espacio de muestreo es de 15 dimensiones y mi búsqueda de distribución posterior parece tener muchos máximos locales que están muy aislados por...
Este es solo un ejemplo que he encontrado varias veces, por lo que no tengo ningún dato de muestra. Ejecutar un modelo de regresión lineal en R: a.lm = lm(Y ~ x1 + x2) x1Es una variable continua. x2es categórico y tiene tres valores, por ejemplo, "Bajo", "Medio" y "Alto". Sin embargo, la salida...
Tengo bastante buena experiencia práctica con el muestreo de Metropolis-Hastings y Gibbs, pero quiero obtener una mejor comprensión matemática de estos algoritmos. ¿Cuáles son algunos buenos libros de texto o artículos que prueben la exactitud de estos muestreadores (más algoritmos también serían...
¿Qué sucede cuando no tienes una idea de la distribución de parámetros? ¿Qué enfoque debemos usar? La mayoría de las veces buscamos entender si una determinada variable tiene alguna influencia sobre la presencia / ausencia de una determinada especie, y la variable se acepta o no de acuerdo con la...
La dinámica hamiltoniana siempre supera en algunos casos a la caminata aleatoria en el algoritmo Metropolis. ¿Podría alguien explicar la razón con palabras simples sin demasiadas
Después del quemado, ¿podemos usar directamente las iteraciones de MCMC para la estimación de densidad, como trazar un histograma o una estimación de densidad del núcleo? Mi preocupación es que las iteraciones de MCMC no son necesariamente independientes, aunque a lo sumo están distribuidas de...
Estoy modelando la dispersión de plantas usando una distribución normal generalizada ( entrada de wikipedia ), que tiene la función de densidad de probabilidad: si2 a Γ ( 1 / b )mi- ( duna)sisi2unaΓ(1/ /si)mi-(reuna)si \frac{b}{2a\Gamma(1/b)} e^{-(\frac{d}{a})^b} donde rered es la distancia...
Estoy construyendo un modelo bayesiano jerárquico bastante complejo para un metanálisis usando R y JAGS. Simplificando un poco, los dos niveles clave del modelo tienen donde es la ésima observación del punto final (en este caso, rendimientos de cultivos modificados genéticamente vs. no...
Recientemente comencé a usar la validación cruzada de muestreo de importancia suavizada Pareto (PSIS-LOO), descrita en estos documentos: Vehtari, A. y Gelman, A. (2015). Pareto suavizó el muestreo de importancia. preimpresión arXiv ( enlace ). Vehtari, A., Gelman, A. y Gabry, J. (2016)....
Existe mucha literatura sobre el diagnóstico de convergencia de la cadena de Markov Monte Carlo (MCMC), incluido el diagnóstico más popular de Gelman-Rubin. Sin embargo, todos estos evalúan la convergencia de la cadena de Markov y, por lo tanto, abordan la cuestión del quemado. Una vez que he...
Cuando se ejecuta el algoritmo Metropolis-Hastings con distribuciones de candidatos uniformes, ¿cuál es la razón de tener tasas de aceptación de alrededor del 20%? Mi pensamiento es: una vez que se descubren los valores de los parámetros verdaderos (o casi verdaderos), entonces ningún nuevo...
Me intriga el concepto de un Modelo de Markov de máxima entropía (MEMM), y estoy pensando en usarlo para un etiquetador de Parte de discurso (POS). Por el momento, estoy usando un clasificador convencional de máxima entropía (ME) para etiquetar cada palabra individual. Esto utiliza una serie de...
En el algoritmo Metropolis – Hastings para muestrear una distribución objetivo, dejemos que: πiπi\pi_{i} sea la densidad objetivo en el estado ,iii πjπj\pi_j sea la densidad objetivo en el estado propuesto ,jjj hijhijh_{ij} sea la densidad propuesta para la transición al estado dado el...
Estoy tratando de muestrear desde un posterior que tiene muchos modos, particularmente lejos de los demás, usando MCMC. Parece que en la mayoría de los casos, solo uno de estos modos contiene el 95% de HP que estoy buscando. Traté de implementar soluciones basadas en simulación templada, pero esto...