Kuiz berkaitan panduan · Sederhana Tahap
Kuiz Monte Carlo Rantaian Markov
Uji penerimaan Metropolis-Hastings, kemas kini bersyarat Gibbs dan sebab autokorelasi dan diagnostik berbilang rantai penting.
soalan 1 daripada 8
Mengapakah cabutan MCMC biasanya tidak bersamaan dengan bilangan sampel bebas yang sama?
Pratonton setiap soalan8 soalan
Jawapan dan penjelasan muncul semasa anda mengambil kuiz.
- Mengapakah cabutan MCMC biasanya tidak bersamaan dengan bilangan sampel bebas yang sama?
- Keadaan berturut-turut adalah bergantung dan selalunya autokorelasi
- Taburan sasaran tidak mempunyai kebarangkalian
- Setiap cadangan sentiasa ditolak
- Hanya satu parameter boleh dijadikan sampel
- Untuk cadangan Metropolis-Hastings yang tidak simetri, apakah istilah nisbah tambahan yang diperlukan?
- Bilangan parameter kuasa dua
- Kebarangkalian cadangan terbalik dibahagikan dengan kebarangkalian cadangan ke hadapan
- Min sampel sasaran
- Lebar selang belakang
- Apakah yang diambil oleh pensampelan Gibbs pada setiap kemas kini koordinat?
- Cadangan yang selalu ditolak
- Cabutan bebas dari posterior sendi mengikut definisi
- Nilai daripada pembolehubah bersyarat penuh itu diberikan semasa pembolehubah lain
- Titik dengan kemungkinan maksimum
- Mengapa menjalankan rantaian daripada nilai permulaan yang tersebar?
- Untuk menganggarkan kemungkinan data tanpa model
- Untuk menjadikan semua nilai posterior sama
- Untuk menjamin setiap rantaian mempunyai cabutan bebas
- Untuk mendedahkan sama ada larian berasingan meneroka kawasan sasaran yang serasi
- Apakah anggaran saiz sampel yang berkesan?
- Jumlah bilangan baris yang disimpan tanpa mengira korelasi
- Setara cabutan bebas untuk kuantiti selepas mengambil kira pergantungan
- Bilangan parameter di bahagian belakang
- Kebarangkalian bahawa model itu betul
- Apakah perbandingan R-hat merentas rantai?
- Ketepatan ramalan dengan ralat latihan
- Ketumpatan terdahulu dengan kemungkinan sahaja
- Tingkah laku dalam rantaian dan antara rantaian
- Bilangan parameter dengan pemerhatian
- Mengapa membuang pemanasan tidak menjamin penumpuan?
- Semua rantaian menjadi bebas selepas itu
- Pemanasan mengandungi posterior tepat mengikut definisi
- Taburan sasaran berubah selepas pemanasan
- Tiada buangan terhingga tetap membuktikan semua kuantiti yang berkaitan telah diterokai
- Rantaian mempunyai banyak cabutan yang disimpan tetapi ESS rendah untuk kebarangkalian ekor. Apa yang berikut?
- Anggaran ekor mungkin masih mempunyai ketidakpastian Monte Carlo yang besar
- Kebarangkalian ekor adalah betul-betul sifar
- Min posterior mesti berat sebelah
- Model itu semestinya salah dinyatakan