Als «simulation» getaggte Fragen

Ein weites Gebiet, in dem Ergebnisse aus Computermodellen generiert werden.

1
Warum funktioniert meine Replikation von Silver & Dunlap 1987 nicht?
Ich versuche Silver & Dunlap (1987) zu replizieren . Ich vergleiche nur die Mittelungskorrelationen oder die Mittelung der z-Transformationskorrelationen und die Rücktransformation. Ich scheine die Asymmetrie in der Verzerrung, die sie finden, nicht zu replizieren (rücktransformierte zs sind für mich nicht näher am Bevölkerungswert als rs). Irgendwelche Gedanken? Ist es …
2
Warum führt die Kodierung der Behandlung zu einer Korrelation zwischen zufälliger Steigung und Schnittpunkt?
Betrachten Sie ein faktorielles Design innerhalb des Subjekts und innerhalb des Gegenstands, bei dem die experimentelle Behandlungsvariable zwei Ebenen (Bedingungen) aufweist. Sei m1das Maximalmodell und m2das No-Random-Correlations-Modell. m1: y ~ condition + (condition|subject) + (condition|item) m2: y ~ condition + (1|subject) + (0 + condition|subject) + (1|item) + (0 + …
2
Normalerweise Abtastung vom Standard-Simplex
Ich möchte in der Lage sein, Werte aus einer dimensionalen multivariaten Gaußschen Verteilung zu generieren mit gegebenen Mitteln und einer Kovarianzmatrix auf den Bereich abgeschnitten ist, so dass sie sich zu eins summieren.nnn[0,1][0,1][0, 1] Ich denke, dies ist dasselbe wie das Abtasten aus dem Standard- Implex nach der Gaußschen Verteilung, …
1
Ungefährer Metropolis-Algorithmus - macht das Sinn?
Vor einiger Zeit fragte Xi'an, was das Äquivalent für cdfs von MCMC für pdfs ist. Die naive Antwort wäre, den "ungefähren" Metropolis-Algorithmus in Form zu verwenden Gegeben 1. Erzeuge 2. nimmX(t)=x(t)X(t)=x(t)X^{(t)} = x^{(t)}Y∼q(y|x(t))Y∼q(y|x(t))Y \sim q(y|x^{(t)})X(t+1)={Yx(t) with probability otherwise.min(F(Y+ε)−F(Y−ε)F(x(t)+ε)−F(x(t)−ε),1)X(t+1)={Y with probability min(F(Y+ε)−F(Y−ε)F(x(t)+ε)−F(x(t)−ε),1)x(t) otherwise. X^{(t+1)} = \begin{cases} Y & \text{ with probability …
2
Simulieren Sie aus einer dynamischen Mischung von Verteilungen
Ich muss aus der folgenden Mischung von zwei Verteilungen probieren: hβ⃗ (r)=c(β⃗ )[(1−wm,τ(r))fβ0→(r)+wm,τ(r)gϵ,σ(r)]hβ→(r)=c(β→)[(1−wm,τ(r))fβ0→(r)+wm,τ(r)gϵ,σ(r)]h_{\vec{\beta}}(r)=c(\vec{\beta})[(1-w_{m,\tau}(r))f_{\vec{\beta_{0}}}(r)+w_{m,\tau}(r)g_{\epsilon,\sigma}(r)] Dabei ist eine Normalisierungskonstante, die Gamma-Verteilung , die verallgemeinerte Pareto-Verteilung und ist die CDF der Cauchy-Verteilung : , die hier als Gewichts- / Mischfunktion fungiert und einen reibungslosen Übergang zwischen Gamma und Pareto ermöglicht (daher das Adjektiv …
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.