Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ
Câu đố về Chuỗi Markov Monte Carlo
Kiểm tra sự chấp nhận của Metropolis-Hastings, cập nhật có điều kiện Gibbs và lý do tại sao tự động tương quan và chẩn đoán đa chuỗi lại quan trọng.
Câu hỏi 1 của 8
Tại sao các lần rút MCMC thường không tương đương với cùng một số lượng mẫu độc lập?
Xem trước mọi câu hỏi8 câu hỏi
Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.
- Tại sao các lần rút MCMC thường không tương đương với cùng một số lượng mẫu độc lập?
- Các trạng thái kế tiếp nhau phụ thuộc và thường tự tương quan
- Phân phối mục tiêu không có xác suất
- Mọi lời đề nghị luôn bị từ chối
- Chỉ có thể lấy mẫu một tham số
- Đối với đề xuất Metropolis-Hastings bất đối xứng, cần có thuật ngữ tỷ lệ bổ sung nào?
- Bình phương số tham số
- Xác suất đề xuất ngược chia cho xác suất đề xuất chuyển tiếp
- Giá trị trung bình mẫu của mục tiêu
- Chiều rộng khoảng sau
- Lấy mẫu Gibbs rút ra điều gì ở mỗi lần cập nhật tọa độ?
- Một lời đề nghị luôn bị từ chối
- Theo định nghĩa, một đường rút độc lập từ khớp sau
- Một giá trị từ điều kiện đầy đủ của biến đó cho các biến khác hiện tại
- Một điểm có khả năng tối đa
- Tại sao chạy chuỗi từ các giá trị bắt đầu phân tán?
- Để ước tính khả năng dữ liệu mà không cần mô hình
- Để làm cho tất cả các giá trị sau bằng nhau
- Để đảm bảo mỗi chuỗi có các lần rút độc lập
- Để tiết lộ liệu các lần chạy riêng biệt có khám phá các vùng mục tiêu tương thích hay không
- Ước tính cỡ mẫu hiệu quả là gì?
- Tổng số hàng được lưu bất kể mối tương quan
- Giá trị rút ra độc lập tương đương cho một đại lượng sau khi tính đến sự phụ thuộc
- Số lượng tham số ở phía sau
- Xác suất mô hình đúng
- R-hat so sánh những gì giữa các chuỗi?
- Độ chính xác dự đoán với lỗi đào tạo
- Mật độ trước đó chỉ có khả năng
- Hành vi trong chuỗi và giữa chuỗi
- Số lượng tham số có quan sát
- Tại sao việc loại bỏ khởi động không đảm bảo sự hội tụ?
- Tất cả các chuỗi trở nên độc lập sau đó
- Warmup chứa phần sau chính xác theo định nghĩa
- Phân phối mục tiêu thay đổi sau khi khởi động
- Không có sự loại bỏ hữu hạn cố định nào chứng tỏ tất cả số lượng liên quan đã được khám phá
- Một chuỗi có nhiều lần rút được lưu nhưng ESS thấp cho xác suất xuất hiện đuôi. Điều gì tiếp theo?
- Ước tính phần đuôi có thể vẫn còn có sự không chắc chắn đáng kể về Monte Carlo
- Xác suất đuôi chính xác bằng không
- Giá trị trung bình sau phải bị sai lệch
- Mô hình nhất thiết phải được xác định sai