Als «monte-carlo» getaggte Fragen

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

2
MCMC-Stichprobe des Entscheidungsbaumraums im Vergleich zur zufälligen Gesamtstruktur
Eine zufällige Gesamtstruktur ist eine Sammlung von Entscheidungsbäumen, die gebildet werden, indem nur bestimmte Merkmale zufällig ausgewählt werden, mit denen jeder Baum erstellt werden soll (und manchmal die Trainingsdaten eingesackt werden). Anscheinend lernen und verallgemeinern sie gut. Hat jemand eine MCMC-Stichprobe des Entscheidungsbaumraums erstellt oder diese mit zufälligen Wäldern verglichen? …
1
Warum führt das Bootstrapping der Residuen aus einem Modell mit gemischten Effekten zu antikonservativen Konfidenzintervallen?
Ich beschäftige mich normalerweise mit Daten, bei denen mehrere Personen unter zwei oder mehr Bedingungen jeweils mehrmals gemessen werden. Ich habe kürzlich mit der Modellierung gemischter Effekte gespielt, um Beweise für Unterschiede zwischen Bedingungen zu bewerten, wobei die Modellierung individualals zufälliger Effekt erfolgt. Um die Unsicherheit bezüglich der Vorhersagen aus …
1
Abdeckungswahrscheinlichkeiten des grundlegenden Bootstrap-Konfidenzintervalls
Ich habe die folgende Frage für einen Kurs, an dem ich arbeite: Führen Sie eine Monte-Carlo-Studie durch, um die Abdeckungswahrscheinlichkeiten des normalen Standard-Bootstrap-Konfidenzintervalls und des grundlegenden Bootstrap-Konfidenzintervalls abzuschätzen. Stichprobe aus einer normalen Population und Überprüfung der empirischen Abdeckungsraten für den Stichprobenmittelwert. Die Abdeckungswahrscheinlichkeiten für das normale Standard-Bootstrap-CI sind einfach: n …
4
Wann wird der Gradientenabstieg gegenüber Monte Carlo als numerische Optimierungstechnik verwendet?
Wenn ein Satz von Gleichungen nicht analytisch gelöst werden kann, können wir einen Gradientenabstiegsalgorithmus verwenden. Es scheint aber auch die Methode der Monte-Carlo-Simulation zu geben, mit der Probleme gelöst werden können, für die es keine analytischen Lösungen gibt. Wie kann man feststellen, wann man den Gradientenabstieg verwendet und wann man …
2
Genaue Probenahme aus ungeeigneten Gemischen
Angenommen, ich möchte aus einer kontinuierlichen Verteilung . Wenn ich einen Ausdruck von in der Form habepp(x)p(x)p(x)ppp p(x)=∑i=1∞aifi(x)p(x)=∑i=1∞aifi(x)p(x) = \sum_{i=1}^\infty a_i f_i(x) wobei und f_i Verteilungen sind, aus denen leicht abgetastet werden kann, dann kann ich leicht Abtastwerte aus p erzeugen durch:ai⩾0,∑iai=1ai⩾0,∑iai=1a_i \geqslant 0, \sum_i a_i= 1fifif_ippp Abtasten eines Labels …
1
Gibt es einen Monte-Carlo / MCMC-Sampler, der isolierte lokale Maxima der posterioren Verteilung verarbeiten kann?
Ich verwende derzeit einen Bayes'schen Ansatz, um Parameter für ein Modell zu schätzen, das aus mehreren ODEs besteht. Da ich 15 Parameter zu schätzen habe, ist mein Abtastraum 15-dimensional und meine Suche nach posteriorer Verteilung scheint viele lokale Maxima zu haben, die durch große Regionen mit sehr geringer Wahrscheinlichkeit sehr …
3
G-Test gegen Pearsons Chi-Quadrat-Test
Ich teste die Unabhängigkeit in einer Kontingenztabelle. Ich weiß nicht, ob der G-Test oder der Chi-Quadrat -Test von Pearson besser ist. Die Stichprobengröße liegt bei Hunderten, aber es gibt einige niedrige Zellzahlen. Wie auf der Wikipedia-Seite angegeben , ist die Annäherung an die Chi-Quadrat-Verteilung für den G-Test besser als für …
1
Erforderliche Anzahl von Simulationen für die Monte-Carlo-Analyse
E.E.En = { 100 ≤ zc⋅ std ( x )E.⋅ Mittelwert ( x )}}2,n={100⋅zc⋅std(x)E.⋅bedeuten(x)}}2, n = \left\{\frac{100 \cdot z_c \cdot \text{std}(x)}{E \cdot \text{mean}(x)} \right\}^2 , std ( x )std(x)\text{std}(x)zczcz_cnnn In meinem Fall führe ich die Simulation 7500 Mal aus und berechne Bewegungsmittel und Standardabweichungen für jeden Satz von 100 Stichproben …
5
Generieren Sie zufällige multivariate Werte aus empirischen Daten
Ich arbeite an einer Monte-Carlo-Funktion zur Bewertung mehrerer Vermögenswerte mit teilweise korrelierten Renditen. Derzeit generiere ich nur eine Kovarianzmatrix und speise die rmvnorm()Funktion in R ein. (Erzeugt korrelierte Zufallswerte.) Betrachtet man jedoch die Verteilung der Renditen eines Vermögenswerts, so wird dieser normalerweise nicht verteilt. Dies ist wirklich eine zweiteilige Frage: …
10 mcmc  monte-carlo  pdf 
1
R lineare Regression kategoriale Variable "versteckter" Wert
Dies ist nur ein Beispiel, auf das ich mehrmals gestoßen bin, daher habe ich keine Beispieldaten. Ausführen eines linearen Regressionsmodells in R: a.lm = lm(Y ~ x1 + x2) x1ist eine stetige Variable. x2ist kategorisch und hat drei Werte, z. B. "Niedrig", "Mittel" und "Hoch". Die von R gegebene Ausgabe …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
3
Anzahl der Markov-Ketten-Monte-Carlo-Proben
Es gibt eine Menge Literatur über die Konvergenzdiagnostik der Markov-Kette Monte Carlo (MCMC), einschließlich der beliebtesten Gelman-Rubin-Diagnostik. Alle diese bewerten jedoch die Konvergenz der Markov-Kette und befassen sich damit mit der Frage des Einbrennens. Wie soll ich nach dem Burn-In entscheiden, wie viele MCMC-Proben ausreichen, um meinen Schätzprozess fortzusetzen? Die …
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.