monte-carlo पर टैग किए गए जवाब

मैं एक प्रिंसिपल कंपोनेंट एनालिसिस (PCA) या एम्पिरिकल ऑर्थोगोनल फंक्शन (EOF) एनालिसिस से निकलने वाले महत्वपूर्ण पैटर्न की संख्या निर्धारित करने में दिलचस्पी रखता हूँ। मुझे इस पद्धति को जलवायु डेटा पर लागू करने में विशेष रुचि है। डेटा फ़ील्ड MxN मैट्रिक्स है जिसमें M समय आयाम (जैसे दिन) और …

40 r  pca  bootstrap  monte-carlo 

मुझे आश्चर्य है कि अगर किसी को बूटस्ट्रैप नमूनों की संख्या के बारे में किसी भी सामान्य नियम को जानना चाहिए जो डेटा की विशेषताओं (टिप्पणियों, आदि) और / या चर शामिल की विशेषताओं के आधार पर उपयोग करना चाहिए?

40 bootstrap  inference  monte-carlo 

मैं MCMC विधियों को सीखने की कोशिश कर रहा हूं और मेट्रोपोलिस हेस्टिंग्स, गिब्स, इंपोर्टेंस और रिजेक्शन सैंपलिंग में आया हूं। जबकि इनमें से कुछ अंतर स्पष्ट हैं, अर्थात, कैसे गिब्स मेट्रोपोलिस हेस्टिंग्स का एक विशेष मामला है जब हमारे पास पूर्ण सशर्त हैं, तो अन्य कम स्पष्ट हैं, जैसे …

36 mcmc  monte-carlo  gibbs  metropolis-hastings  importance-sampling 

क्या कोई सिमुलेशन विधि है जो मोंटे कार्लो नहीं है? सभी सिमुलेशन विधियों में फ़ंक्शन के लिए मूल्यों की एक श्रृंखला खोजने के लिए फ़ंक्शन में यादृच्छिक संख्याओं को प्रतिस्थापित करना शामिल है। तो सार मोंटे कार्लो विधियों में सभी सिमुलेशन विधियां हैं?

35 monte-carlo 

मैं मोंटे कार्लो सिमुलेशन में हाल ही में देख गया है, और अनुमानित स्थिरांक के लिए यह इस तरह के रूप उपयोग किया गया है (एक आयत, आनुपातिक क्षेत्र के अंदर वृत्त)।ππ\pi हालांकि, मैं मोंटे कार्लो एकीकरण का उपयोग करते हुए [यूलर की संख्या] के मूल्य का अनुमान लगाने की …

35 simulation  monte-carlo  algorithms  random-generation  numerical-integration 

उदाहरण के लिए, मानक सामान्य वितरण से 10 वास्तविकताओं के अनुसार, मैं किसी दिए गए वितरण से मैन्युअल रूप से एक यादृच्छिक संख्या कैसे उत्पन्न कर सकता हूं?

30 normal-distribution  simulation  monte-carlo  random-generation  randomness 

मैं मुख्य रूप से पर्यवेक्षित बहुभिन्नरूपी विश्लेषण तकनीकों पर लागू करने के इरादे से विभिन्न क्रॉस सत्यापन विधियों को सीखने की कोशिश कर रहा हूं। दो मैं पार K- गुना और मोंटे कार्लो क्रॉस-मान्यता तकनीक हैं। मैंने पढ़ा है कि के-गुना मोंटे कार्लो पर एक बदलाव है, लेकिन मुझे यकीन …

29 cross-validation  monte-carlo 

एक समारोह या जटिल सिमुलेशन को एकीकृत करते समय, मैंने देखा है कि मोंटे कार्लो विधि का व्यापक रूप से उपयोग किया जाता है। मैं अपने आप से पूछ रहा हूं कि यादृच्छिक बिंदुओं को खींचने के बजाय किसी फ़ंक्शन को एकीकृत करने के लिए अंक का ग्रिड क्यों नहीं …

25 monte-carlo 

मैं सुदृढीकरण सीखने की कोशिश कर रहा हूं और यह विषय वास्तव में मुझे भ्रमित कर रहा है। मैंने आँकड़ों का परिचय लिया है, लेकिन मैं इस विषय को सहजता से समझ नहीं पाया।

22 variance  simulation  monte-carlo  unbiased-estimator  importance-sampling 

MCMC (मार्कोव चेन मोंटे कार्लो) के बारे में मेरे पास जो थोड़ा ज्ञान है, उसके आधार पर, मैं समझता हूं कि नमूना उपरोक्त तकनीक का एक महत्वपूर्ण हिस्सा है। सबसे अधिक इस्तेमाल किए जाने वाले नमूने के तरीके हैंमिल्टन और मेट्रोपोलिस हैं। क्या अधिक कुशल MCMC नमूना बनाने के लिए …

21 machine-learning  mcmc  monte-carlo  markov-process 

प्रमुख घटक विश्लेषण (पीसीए) करने के बाद, मैं पीसीए अंतरिक्ष पर एक नया वेक्टर प्रोजेक्ट करना चाहता हूं (अर्थात पीसीए समन्वय प्रणाली में इसके निर्देशांक ढूंढें)। मैंने पीसी भाषा में पीसीए का उपयोग करके गणना की है prcomp। अब मुझे पीसीए रोटेशन मैट्रिक्स द्वारा अपने वेक्टर को गुणा करने में …

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

यदि ज्ञात घनत्व हैं जिनसे मैं अनुकरण कर सकता हूं, अर्थात, जिसके लिए एक एल्गोरिथ्म उपलब्ध है। और यदि उत्पाद है, तो इस उत्पाद घनत्व से अनुकरण करने के लिए एक सामान्य दृष्टिकोण है। सिमुलेटर ?k ∏ i = 1 f i ( x ) α if1,…,fkf1,…,fkf_1,\ldots,f_kf i∏i=1kfi(x)αiα1,…,αk>0∏i=1kfi(x)αiα1,…,αk>0\prod_{i=1}^k f_i(x)^{\alpha_i}\qquad \alpha_1,\ldots,\alpha_k>0fifif_i

20 simulation  monte-carlo  geometric-mean  scalability  finite-mixture-model 

मैं एक समस्या पर MCMC लागू करने की कोशिश कर रहा हूं, लेकिन मेरे पुजारी (मेरे मामले में वे )) एक क्षेत्र तक सीमित हैं? क्या मैं सामान्य MCMC का उपयोग कर सकता हूं और उन नमूनों को अनदेखा कर सकता हूं जो प्रतिबंधित क्षेत्र के बाहर आते हैं (जो …

18 sampling  mcmc  monte-carlo  random-walk 

एल्गोरिथ्म की मेरी समझ निम्नलिखित है: नो यू-टर्न सैंपलर (NUTS) एक हैमिल्टनियन मोंटे कार्लो मेथड है। इसका मतलब यह है कि यह एक मार्कोव चेन विधि नहीं है और इस प्रकार, यह एल्गोरिथ्म यादृच्छिक चलना भाग से बचा जाता है, जिसे अक्सर अभिसरण के रूप में अक्षम और धीमा माना …

18 bayesian  monte-carlo  markov-process 

मैं यहाँ परिभाषित नीले क्षेत्र से नमूने उत्पन्न करना चाहता हूँ: भोली समाधान इकाई वर्ग में अस्वीकृति नमूने का उपयोग करना है, लेकिन यह केवल 1−π/41−π/41-\pi/4 (~ 21.4%) दक्षता प्रदान करता है। क्या कोई तरीका है जिससे मैं और अधिक कुशलता से नमूना ले सकता हूं?

17 probability  sampling  monte-carlo  random-generation