Als «monte-carlo» getaggte Fragen

Verwenden von (Pseudo-) Zufallszahlen und dem Gesetz der großen Zahlen, um das Zufallsverhalten eines realen Systems zu simulieren.

1
Metropolis-Hastings-Integration - warum funktioniert meine Strategie nicht?
Angenommen, ich habe eine Funktion , die ich integrieren möchte: Natürlich unter der Annahme, dass an den Endpunkten auf Null geht, keine Blowups, nette Funktion. Eine Möglichkeit, mit der ich herumgespielt habe, besteht darin, mit dem Metropolis-Hastings-Algorithmus eine Liste der Stichproben aus der zu proportionalen Verteilung zu , in der …
2
Was sind einige wichtige Verwendungen der Zufallszahlengenerierung in der Rechenstatistik?
Wie und warum sind Zufallszahlengeneratoren (Random Number Generators, RNGs) in der Rechenstatistik wichtig? Ich verstehe, dass die Zufälligkeit bei der Auswahl von Stichproben für viele statistische Tests wichtig ist, um Verzerrungen in Bezug auf beide Hypothesen zu vermeiden. Gibt es jedoch andere Bereiche der Rechenstatistik, in denen Zufallszahlengeneratoren wichtig sind?
1
Was ist die Intuition hinter austauschbaren Proben unter der Nullhypothese?
Permutationstests (auch Randomisierungstest, Re-Randomisierungstest oder exakter Test genannt) sind sehr nützlich und nützlich, wenn die zum Beispiel erforderliche Annahme einer Normalverteilung t-testnicht erfüllt ist und wenn die Transformation der Werte durch Rangfolge der Werte erfolgt Ein nicht parametrischer Test Mann-Whitney-U-testwürde dazu führen, dass mehr Informationen verloren gehen. Eine einzige Annahme, …
15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 
2
Was sind einige Techniken zum Abtasten von zwei korrelierten Zufallsvariablen?
Was sind einige Techniken zum Abtasten von zwei korrelierten Zufallsvariablen: wenn ihre Wahrscheinlichkeitsverteilungen parametrisiert sind (zB log-normal) wenn sie nicht parametrische Verteilungen haben. Die Daten sind zwei Zeitreihen, für die wir Korrelationskoeffizienten ungleich Null berechnen können. Wir möchten diese Daten in Zukunft simulieren, vorausgesetzt, die historische Korrelation und die Zeitreihen-CDF …
1
Scrambling und Korrelation in Sequenzen mit geringer Diskrepanz (Halton / Sobol)
Ich arbeite derzeit an einem Projekt, in dem ich Zufallswerte mithilfe von quasi-zufälligen Punktmengen mit geringer Diskrepanz generiere , z. B. Halton- und Sobol-Punktmengen. Dies sind im Wesentlichen ddd dimensionale Vektoren, die eine ddd dimensionale einheitliche (0,1) Variable imitieren , jedoch eine bessere Streuung aufweisen. Theoretisch sollen sie dazu beitragen, …
5
Ist Matlab / Oktave oder R besser für die Monte-Carlo-Simulation geeignet?
Ich begann Monte Carlo in R als Hobby zu machen, aber irgendwann riet mir ein Finanzanalyst, nach Matlab zu migrieren. Ich bin ein erfahrener Softwareentwickler. aber ein Monte Carlo Anfänger. Ich möchte statische Modelle mit Sensitivitätsanalyse konstruieren, später dynamische Modelle. Benötige gute Bibliotheken / Algorithmen, die mich leiten. Mir scheint, …
14 r  matlab  monte-carlo 
2
Ergebnisse zu Monte-Carlo-Schätzungen, die anhand von Stichproben ermittelt wurden
Ich habe im letzten Jahr ziemlich genau an der Stichprobe der Wichtigkeit gearbeitet und habe ein paar offene Fragen, bei denen ich gehofft hatte, Hilfe zu bekommen. Meine praktische Erfahrung mit Stichprobenverfahren von Bedeutung war, dass sie gelegentlich fantastische Schätzungen mit niedriger Varianz und niedriger Verzerrung liefern können. Häufiger neigen …
3
Wie programmiere ich eine Monte-Carlo-Simulation von Bertrands Box-Paradoxon?
Das folgende Problem wurde auf der Mensa International Facebook-Seite veröffentlicht: \quad\quad\quad\quad\quad\quad\quad\quad Der Post selbst hat über 1000 Kommentare erhalten, aber ich werde hier nicht näher auf die Debatte eingehen, da ich weiß, dass dies Bertrands Box-Paradoxon ist und die Antwort lautet . Mich interessiert hier, wie man dieses Problem mit …
5
Wie führt man eine Imputation von Werten in einer sehr großen Anzahl von Datenpunkten durch?
Ich habe einen sehr großen Datensatz und es fehlen ungefähr 5% zufällige Werte. Diese Variablen sind miteinander korreliert. Der folgende Beispiel-R-Datensatz ist nur ein Spielzeugbeispiel mit Dummy-korrelierten Daten. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, sep …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 
1
Unterschiede zwischen PROC Mixed und lme / lmer in R - Freiheitsgraden
Hinweis: Diese Frage ist ein Repost, da meine vorherige Frage aus rechtlichen Gründen gelöscht werden musste. Beim Vergleich von PROC MIXED von SAS mit der Funktion lmeaus dem nlmePaket in R bin ich auf einige verwirrende Unterschiede gestoßen. Insbesondere unterscheiden sich die Freiheitsgrade in den verschiedenen Tests zwischen PROC MIXEDund …
12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining 
2
Approximation von Integralen mit Monte-Carlo-Simulation in R
Wie kann ich das folgende Integral mithilfe der MC-Simulation approximieren? ∫1- 1∫1- 1| x-y|d xd y∫-11∫-11|x-y|dxdy \int_{-1}^{1} \int_{-1}^{1} |x-y| \,\mathrm{d}x \,\mathrm{d}y Vielen Dank! Bearbeiten (in einem bestimmten Kontext): Ich versuche zu lernen, wie man Simulationen verwendet, um Integrale zu approximieren, und übe mich, wenn ich auf Schwierigkeiten stoße. Edit 2 …
2
Ermitteln der Genauigkeit der Monte-Carlo-Simulationsschätzung
Hintergrund Ich entwerfe eine Monte-Carlo-Simulation, die die Ergebnisse einer Reihe von Modellen kombiniert, und ich möchte sicher sein, dass die Simulation es mir ermöglicht, angemessene Aussagen über die Wahrscheinlichkeit des simulierten Ergebnisses und die Genauigkeit dieser Wahrscheinlichkeitsschätzung zu machen. Die Simulation ermittelt die Wahrscheinlichkeit, dass eine Jury aus einer bestimmten …
2
Was sollte ich über das Entwerfen eines guten Hybrid / Hamilton-Monte-Carlo-Algorithmus wissen?
Ich entwerfe einen hybriden Monte-Carlo- Abtastalgorithmus für PyMC und versuche, ihn so unkompliziert und allgemein wie möglich zu gestalten. Daher suche ich nach guten Ratschlägen für den Entwurf eines HMC-Algorithmus. Ich habe Radfords Umfragekapitel gelesen und Beskos et. In dem kürzlich erschienenen Artikel von al. zur optimalen (schrittweisen) Abstimmung von …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.