Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Markov-lánc Monte Carlo kvíz
Tesztelje a Metropolis-Hastings elfogadását, a Gibbs-feltételes frissítéseket, és hogy miért számít az autokorreláció és a többláncú diagnosztika.
kérdés 1 -ból 8
Az MCMC-rajzok általában miért nem azonosak ugyanannyi független mintával?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Az MCMC-rajzok általában miért nem azonosak ugyanannyi független mintával?
- Az egymást követő állapotok függőek és gyakran autokorrelálnak
- A céleloszlásnak nincs valószínűsége
- Minden javaslatot mindig elutasítanak
- Csak egy paraméter mintavételezhető
- Egy aszimmetrikus Metropolis-Hastings ajánlathoz milyen további arányszámra van szükség?
- A paraméterek száma négyzetben
- A fordított ajánlat valószínűsége osztva az előzetes ajánlat valószínűségével
- A cél mintaátlaga
- A hátsó intervallum szélessége
- Mit rajzol a Gibbs-mintavétel minden koordinátafrissítéskor?
- Egy olyan javaslat, amelyet mindig elutasítanak
- Független húzás az ízületi hátsó részből értelemszerűen
- Az adott változó teljes feltételes értékéből, adott aktuális egyéb változókból
- Maximális valószínűségű pont
- Miért futtassunk láncokat szórt kiindulási értékekből?
- Az adatok valószínűségének becslése modell nélkül
- Hogy minden utólagos érték egyenlő legyen
- Annak érdekében, hogy minden lánc független húzással rendelkezzen
- Annak feltárása, hogy a külön futtatások feltárják-e a kompatibilis célrégiókat
- Mit becsül a hatékony mintaméret?
- A mentett sorok teljes száma a korrelációtól függetlenül
- Egy mennyiség független rajzolási egyenértéke a függőség elszámolása után
- A paraméterek száma a posteriorban
- Annak a valószínűsége, hogy a modell helyes
- Mi az R-hat összehasonlítása a láncok között?
- Előrejelzési pontosság edzéshibával
- Az előzetes sűrűség csak a valószínűséggel
- Láncon belüli és láncok közötti viselkedés
- A paraméterek száma megfigyeléssel
- Miért nem garantálja a konvergenciát a bemelegítés elvetése?
- Ezután minden lánc függetlenné válik
- A bemelegítés értelemszerűen a pontos hátsót tartalmazza
- A céleloszlás a bemelegítés után megváltozik
- A rögzített véges eldobás nem bizonyítja, hogy minden releváns mennyiséget feltártak
- Egy láncnak sok mentett húzása van, de alacsony az ESS a farok valószínűségéhez. Mi következik?
- A farokbecslés továbbra is jelentős Monte Carlo-i bizonytalansággal járhat
- A farok valószínűsége pontosan nulla
- A hátsó középértéknek elfogultnak kell lennie
- A modell szükségszerűen rosszul van megadva