独立抽样(MCMC方法)
来源:互联网 发布:淘宝新店运营教程 编辑:程序博客网 时间:2024/05/16 04:57
独立抽样(一)
# simulations
wais<-read.csv("wais.csv",head=T)
y<-wais[,2]
x<-wais[,1]
m<-55000
mu.beta<-c(0,0)
sigma.beta<-c(100,100)
prop.s<-c(.1,.1)
beta<-matrix(nrow=m,ncol=2)
acc.prob<-0
current.beta<-c(0,0)
for(t in 1:m){
}
erg.mean<-function(x){
}
burnin<-15000
idx<-seq(1,m,50)
idx2<-seq(burnin+1,m)
par(mfrow=c(2,2))
plot(idx,beta[idx,1],type="l",xlab="Iterations",ylab="Values ofbeta0")
plot(idx,beta[idx,2],type="l",xlab="Iterations",ylab="Values ofbeta1")
ergbeta0<-erg.mean(beta[,1])
ergbeta02<-erg.mean(beta[idx2,1])
ylims0<-range(c(ergbeta0,ergbeta02))
ergbeta1<-erg.mean(beta[,2])
ergbeta12<-erg.mean(beta[idx2,2])
ylims1<-range(c(ergbeta1,ergbeta12))
plot(idx,ergbeta0[idx],type="l",ylab='Values ofbeta0',xlab='Iterations',main='(c)Ergodic Mean Plot ofbeta0',ylim=ylims0)
lines(idx2,ergbeta02[idx2-burnin],col=2,lty=2)
plot(idx,ergbeta1[idx],type="l",ylab='Values ofbeta0',xlab='Iterations',main='(d) Ergodic Mean Plot ofbeta0',ylim=ylims1)
lines(idx2,ergbeta12[idx2-burnin],col=2,lty=2)
par(mfrow=c(1,1))
apply(beta[(burnin+1):m,],2,mean)
apply(beta[(burnin+1):m,],2,sd)
cor(beta[(burnin+1):m,1],beta[(burnin+1):m,2])
独立抽样(二)
m<-5000
xt<-numeric(m)
a<-5
b<-2
p<-.2
n<-30
mu<-c(0,5)
sigma<-c(1,1)
i<-sample(1:2,size=n,replace=T,prob=c(p,1-p))
x<-rnorm(n,mu[i],sigma[i])
u<-runif(m)
y<-rbeta(m,a,b)
xt[1]<-.5
for(i in 2:m){
}
plot(xt,type="l",ylab="p")
hist(xt[101:m],main="",xlab="p",prob=T)
print(mean(xt[101:m]))
- 独立抽样(MCMC方法)
- 也谈MCMC方法与Gibbs抽样
- 随机抽样方法正太分布 MC, MCMC, Gibbs采样 原理&实现(in R)
- MCMC抽样算法要点总结
- MCMC方法
- 抽样,mcmc, Metropolis-Hastings,Gibbs Sampling
- 抽样方法
- 抽样方法
- 马尔科夫链蒙特卡洛方法(MCMC)
- MCMC(一)蒙特卡罗方法
- MCMC蒙特卡罗方法
- 马尔科夫蒙特卡洛方法 (MCMC)+ Gibbs采样 原理干货
- 随机采样方法整理(MCMC、Gibbs Sampling等)
- 统计学习(六):重抽样方法
- 马尔科夫链蒙特卡洛(MCMC)
- MCMC
- 常用的抽样方法
- PRML抽样方法笔记
- c++备忘3
- python生成素数的程序
- SSH2项目异常struts2 select标签为空
- 求先序排列
- R软件中数据的输入与输出
- 独立抽样(MCMC方法)
- R语言实战笔记
- 在R中把多条曲线放置在一张图中
- R软件中数据的排序
- 深度学习之Windows下安装faster-rcnn
- 季节趋势分解
- ARCH模型和GARCH模型
- GARCH模型案例分析
- 移动平均和指数平滑