Gibbs抽样方法是 Markov Chain Monte Carlo（MCMC）方法的一种，也是应用最为广泛的一种。wikipedia称gibbs抽样为 In statistics and in statistical physics, Gibbs sampling or a Gibbs sampler is a&nbs
转载
2023-11-08 18:28:51
121阅读
R语言Gibbs抽样的贝叶斯简单线性回归仿真分析tecdat.cn
贝叶斯分析的许多介绍使用相对简单的教学实例 。虽然这可以很好地介绍贝叶斯原理，但将这些原则扩展到回归并不是直截了当的。这篇文章将概述这些原则如何扩展到简单的线性回归。在此过程中，我将推导出感兴趣的参数的后验条件分布，呈现用于实现Gibbs采样器的R代码，并呈现所谓的网格点方法。贝叶斯模型假设我们观察到的数据
转载
2023-09-20 06:39:48
136阅读
目录蒙特卡洛积分的基本思想一、内置函数+平均值法二、对偶变量法三、控制变量法四、重要性抽样法 蒙特卡洛积分的基本思想考虑可积函数，现要计算。若能够将拆分为两个函数的乘积，即，则原积分形式可表示为。记此时的x的密度函数为，那么即可表示为。不难看出，是很容易利用随机数进行估计的，它的值在样本量足够大的时候，可以用进行估计（其中，是来源于密度函数为的样本）以上思想的关键在于密度函数的寻找（因为我们只有
转载
2023-09-06 13:46:13
224阅读
今天介绍一些运算函数，它们的使用很简单，没有什么难度，但是也会用的着。在医学统计学或者流行病学里的现场调查、样本选择经常会提到一个词：随机抽样。随机抽样是为了保证各比较组之间均衡性的一个很重要的方法。那么今天介绍的第一个函数就是用于抽样的函数sample：> x=1:10
> sample(x=x)
[1] 3 5 9 6 10 7 2 1 8
转载
2023-07-14 21:55:47
145阅读
文章目录练习：用程序实现正态分布均值、方差的后验分布抽样。题目背景Gibbs抽样（详细公式推导）Gibbs采样R代码实现
μ
\mu
转载
2023-11-16 22:07:24
246阅读
贝叶斯分析的许多介绍都使用了相对简单的教学实例（例如，根据伯努利数据给出成功概率的推理）。虽然这很好地介绍了贝叶斯原理，但是这些原则的扩展并不是直截了当的。这篇文章将概述这些原理如何扩展到简单的线性回归。一路上，我将导出感兴趣参数的后验条件分布，给出用于实现Gibbs采样器的R代码，并提出所谓的网格点方法。贝叶斯模型假...
原创
2021-05-19 23:38:57
617阅读
原文链接：http://tecdat.cn/?p=4612贝叶斯分析的许多介绍都使用了相对简单的教学实例（例如，根据伯努利数据给出成功概率的推理）。虽然这很好地介绍了贝叶斯原理，但是这些原则的扩展并不是直截了当的。这篇文章将概述这些原理如何扩展到简单的线性回归。一路上，我将导出感兴趣参数的后验条件分布，给出用于实现Gibbs采样器的R代码，并提出所谓的网格点方法。贝叶斯模型假...
原创
2021-05-12 14:16:36
500阅读
前言 在Matlab、R或者S-PLUS等软件中做随机数模拟时，经过会遇到set.seed()这个函数。随机数的产生需要有一个随机的种子，因为用计算机产生的随机数是通过递推的方法得来的，必须有一个初始值。用同一台电脑，且在初始值和递推方法相同的情况下，可以产生相同的随机序列。 用计算机产生的是“伪随机数”。用投色子计数的方法产生真正的随机数 , 但电脑若也这样做 , 将会占用大量内存；用噪声发
转载
2023-07-03 17:36:45
703阅读
贝叶斯分析的许多介绍使用相对简单的教学实例 。虽然这可以很好地介绍贝叶斯原理，但将这些原则扩展到回归并不是直截了当的。这篇文章将概述这些原则如何扩展到简单的线性回归。在此过程中，我将推导出感兴趣的参数的后验条件分布，呈现用于实现Gibbs采样器的R代码，并呈现所谓的网格点方法。贝叶斯模型假设我们观察到的数据...
原创
2021-05-12 14:15:15
1135阅读
贝叶斯分析的许多介绍使用相对简单的教学实例 。虽然这可以很好地介绍贝叶斯原理，但将这些原则扩展到回归并不是直截了当的。这篇文章将概述这些原则如何扩展到简单的线性回归。在此过程中，我将推导出感兴趣的参数的后验条件分布，呈现用于实现Gibbs采样器的R代码，并呈现所谓的网格点方法。贝叶斯模型假设我们观察到的数据...
原创
2021-05-12 14:15:16
716阅读
原创
2022-11-07 10:19:25
50阅读
本人关于重抽样的文章也陆陆续续写了6-7篇，各种类型的都写了一点，本篇文章不在计划内，本来不打算写了。 但是有些粉丝私信我，觉得使用sample函数重抽样不怎么正规，感觉不是真正的重抽样，要使用boot包才正规，看起来有面子。其实sample函数是R里面最基本的抽样函数，我们很多重要的R包如rms包、proc包都是使用它来重抽样的，sample函数抽样非常简单，而且灵活，等会进行演示。还有些朋友把
转载
2023-10-25 21:45:19
74阅读
对于许多模型，如物流模型，没有共轭先验 - 所以Gibbs不适用。正如我们在第一篇文章中看到的那样，蛮力网格方法太慢而无法扩展到真实环境。这篇文章展示了我们如何使用Metropolis-Hastings（MH）从每个被阻挡的Gibbs迭代中的非共轭条件后验中进行采样 - 这是一种比网格方法更好的替代方案。模型该示例的模拟数据是患者的横截面数据集。有一个二元结果，一个二元治疗变量...
原创
2021-05-12 14:15:21
192阅读
Gibbs SamplingIntroGibbs Sampling 方法是我最近在看概率图模型相关的论文的时候遇见的，采样方法大致为：迭代抽样，最开始从随机样本中抽样，然后将此样本作为条件项，按条件概率抽样，每次只从一个维度考虑，当所有维度均采样完，开始下一轮迭代。Random Sampling原理这是基于反函数的采样方法。假设我们已知均匀分布如何采样，即能够生成一个0-1内的随机数，我们可以将均
转载
2024-07-16 13:20:26
121阅读
对于许多模型，如物流模型，没有共轭先验 - 所以Gibbs不适用。正如我们在第一篇文章中看到的那样，蛮力网格方法太慢而无法扩展到真实环境。这篇文章展示了我们如何使用Metropolis-Hastings（MH）从每个被阻挡的Gibbs迭代中的非共轭条件后验中进行采样 - 这是一种比网格方法更好的替代方案。模型该示例的模拟数据是患者的横截面数据集。有一个二元结果，一个二元治疗变量...
原创
2021-05-12 14:22:24
328阅读
在医学统计学或者流行病学里的现场调查、样本选择经常会提到一个词：随机抽样。随机抽样是为了保证各比较组之间均衡性的一个很重要的方法。那么今天介绍的第一个函数就是用于抽样的函数sample：> x=1:10
> sample(x=x)
[1] 3 5 9 6 10 7 2 1 8 4第一行代码表示给x向量赋值1~10，第二行代码表示对x向量进行随机抽样。结果输出为每
转载
2023-10-25 22:12:17
44阅读
随机抽样numpy.random 模块对 Python 内置的 random 进行了补充，增加了一些用于高效生成多种概率分布的样本值的函数，如正态分布、泊松分布等。
numpy.random.seed(seed=None) Seed the generator.seed()用于指定随机数生成时所用算法开始的整数值，如果使用相同的seed()值，则每次生成的随机数都相同，如果不设置这个值，则系统根据
转载
2024-06-28 19:11:44
127阅读
Sample 函数用法：sample(x, size, replace = FALSE, prob = NULL)Arguments x - 可以是含有一个或多个元素的向量或只是一个正整数。x的长度为1时，那么便从1：x中抽取样本。size - 非负整数，从总体抽取样本的个数replace - 是否有放回抽样prob - 用于获得要采样的向量元素的概率权重向量。
转载
2020-02-16 14:00:00
109阅读
# R语言中的非概率抽样：探索与应用
在统计学中，抽样是研究群体特征的常用方法。根据抽样方式的不同，抽样方法可以分为概率抽样和非概率抽样。其中，非概率抽样因其方法简单、成本低而被广泛应用于许多实际场景。本文将介绍非概率抽样的基本概念及其在R语言中的实现，并结合代码示例和图形化可视化。
## 非概率抽样简介
非概率抽样是指在抽样过程中个体被选中的机会不相等，研究者根据主观判断或特定标准选择样本
原创
2024-09-04 04:45:02
50阅读
# Bootstrap重抽样在R语言中的应用
Bootstrap是一种统计学中常用的重抽样方法，通过从原始数据中有放回地抽取样本来估计总体参数的分布。在R语言中，我们可以使用一些库来实现Bootstrap重抽样的功能，如boot和bootstrap等。本文将介绍Bootstrap重抽样的原理以及在R语言中的应用，并通过代码示例来演示具体的实现过程。
## Bootstrap重抽样原理
Boo
原创
2024-07-01 05:28:34
415阅读
