«monte-carlo» 태그된 질문

PCA (Principal Component Analysis) 또는 EOF (Empirical Orthogonal Function) 분석에서 나오는 중요한 패턴의 수를 결정하고 싶습니다. 특히이 방법을 기후 데이터에 적용하는 데 관심이 있습니다. 데이터 필드는 M이 시간 차원 (예 : 일)이고 N이 공간 차원 (예 : lon / lat 위치) 인 MxN 행렬입니다. 중요한 PC를 결정하기 위해 가능한 부트 …

40 r  pca  bootstrap  monte-carlo 

데이터 특성 (관찰 횟수 등) 및 / 또는 포함 된 변수를 기반으로 사용해야하는 부트 스트랩 샘플 수에 관한 일반적인 경험 법칙을 누군가가 알고 있는지 궁금합니다.

40 bootstrap  inference  monte-carlo 

저는 MCMC 방법을 배우려고 노력했으며 Metropolis Hastings, Gibbs, Importance 및 Rejection 샘플링을 경험했습니다. 이러한 차이점 중 일부는 명백하지만, 즉 전체 조건이있을 때 Gibbs가 Metropolis Hastings의 특별한 사례 인 반면 Gibbs 샘플러 내에서 MH를 사용하려는 경우와 같이 다른 것은 명확하지 않습니다. 각각의 차이점을 볼 수있는 간단한 방법은 무엇입니까? 감사!

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

Monte Carlo가 아닌 시뮬레이션 방법이 있습니까? 모든 시뮬레이션 방법에는 함수에 임의의 숫자를 대입하여 함수의 값 범위를 찾습니다. 모든 시뮬레이션 방법은 본질적으로 Monte Carlo 방법입니까?

35 monte-carlo 

최근에 Monte Carlo 시뮬레이션을 살펴보고 (사각형 내부의 원, 비례 영역) 와 같은 상수를 근사화하는 데 사용했습니다 .ππ\pi 그러나 Monte Carlo 통합을 사용하여 [Euler 's number]의 값을 근사하는 해당 방법을 생각할 수 없습니다 .eee 이 작업을 수행하는 방법에 대한 조언이 있습니까?

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

예를 들어 표준 정규 분포에서 10 개의 실현과 같이 주어진 분포에서 난수를 수동으로 생성하려면 어떻게해야합니까?

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

감독되는 다변량 분석 기법에 주로 적용하려는 다양한 교차 검증 방법을 배우려고합니다. 제가 접한 두 가지는 K-fold와 Monte Carlo 교차 검증 기술입니다. 나는 K-fold가 Monte Carlo의 변형이라는 것을 읽었지만 Monte Carlo의 정의를 구성하는 것이 무엇인지 완전히 이해하지 못했습니다. 누군가이 두 가지 방법의 차이점을 설명해 주시겠습니까?

29 cross-validation  monte-carlo 

함수를 통합하거나 복잡한 시뮬레이션에서 Monte Carlo 방법이 널리 사용되는 것을 보았습니다. 임의의 점을 그리는 대신 함수를 통합하기 위해 점 격자를 생성하지 않는 이유를 스스로 묻습니다. 더 정확한 결과가 나오지 않습니까?

25 monte-carlo 

강화 학습을 배우려고 하는데이 주제는 정말 혼란 스럽습니다. 통계를 소개했지만이 주제를 직관적으로 이해할 수 없었습니다.

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

MCMC (Markov chain Monte Carlo) 방법에 대한 약간의 지식을 바탕으로 샘플링이 앞에서 언급 한 기술의 중요한 부분임을 이해합니다. 가장 일반적으로 사용되는 샘플링 방법은 Hamiltonian과 Metropolis입니다. 보다 효율적인 MCMC 샘플러를 구성하기 위해 머신 러닝 또는 딥 러닝을 활용할 수있는 방법이 있습니까?

21 machine-learning  mcmc  monte-carlo  markov-process 

주성분 분석 (PCA)을 수행 한 후 PCA 공간에 새 벡터를 투영하려고합니다 (즉, PCA 좌표계에서 해당 좌표를 찾습니다). 를 사용하여 R 언어로 PCA를 계산했습니다 prcomp. 이제 내 벡터에 PCA 회전 행렬을 곱할 수 있어야합니다. 이 매트릭스의 주요 구성 요소를 행 또는 열로 배열해야합니까?

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 

만약 알고리즘 사용할 수있는, 즉 내가 시뮬레이션 할 수있는 밀도를, 알려져있다. 생성물 경우 적분되면,이 사용이 제품 밀도에서 시뮬레이션하는 일반적인 접근법이 존재 의 시뮬레이터 ?k ∏ i = 1 f i ( x ) α if1,…,fkf1,…,fkf_1,\ldots,f_k∏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 

MCMC를 문제에 적용하려고하는데 내 사전 (내 경우에는 )이 영역으로 제한됩니까? 일반 MCMC를 사용하고 제한된 영역을 벗어나는 샘플을 무시할 수 있습니까 (제 경우에는 [0,1] ^ 2 임), 즉 새 전환이 제한된 (제한된) 영역에서 벗어날 때 전환 기능을 재사용 할 수 있습니까?α∈[0,1],β∈[0,1]α∈[0,1],β∈[0,1]\alpha\in[0,1],\beta\in[0,1]

18 sampling  mcmc  monte-carlo  random-walk 

여기에 정의 된 파란색 영역에서 샘플을 생성하고 싶습니다. 순진한 솔루션은 단위 제곱에서 거부 샘플링을 사용하는 것이지만 이는 1−π/41−π/41-\pi/4 (~ 21.4 %) 효율 만 제공합니다. 더 효율적으로 샘플링 할 수있는 방법이 있습니까?

17 probability  sampling  monte-carlo  random-generation 

알고리즘에 대한 나의 이해는 다음과 같습니다. NUTS (U-Turn Sampler)는 Hamiltonian Monte Carlo Method가 아닙니다. 이는 Markov Chain 방식이 아니므로이 알고리즘은 랜덤 워크 파트를 피하며, 이는 종종 비효율적이고 수렴이 느린 것으로 간주됩니다. NUTS는 무작위 보행을 수행하는 대신 길이 x의 점프를 수행합니다. 알고리즘이 계속 실행되면서 각 점프는 두 배가됩니다. 이것은 궤도가 시작점으로 …

17 bayesian  monte-carlo  markov-process