Сэмплер среза
rnd = slicesample(initial,nsamples,'pdf',pdf)
rnd = slicesample(initial,nsamples,'logpdf',logpdf)
[rnd,neval]
= slicesample(initial,...)
[rnd,neval]
= slicesample(initial,...,Name,Value)
генерирует rnd
= slicesample(initial
,nsamples
,'pdf',pdf
)nsamples
случайные выборки с помощью метода выборки среза (см. Алгоритмы). pdf
дает целевую функцию плотности вероятности (PDF). initial
вектор-строка или скаляр, содержащий начальное значение последовательностей случайной выборки.
генерирует выборки с помощью логарифма PDF.rnd
= slicesample(initial
,nsamples
,'logpdf',logpdf
)
[
возвращает среднее количество вычислений функции, которые произошли в выборке среза.rnd
,neval
]
= slicesample(initial
,...)
[
генерирует случайные выборки с дополнительными опциями, заданными одним или несколькими rnd
,neval
]
= slicesample(initial
,...,Name,Value
)Name,Value
парные аргументы.
|
Начальная точка, скалярный или вектор-строка. Установите |
|
Положительное целое число, количество выборок это |
|
Обработайте к функции, которая генерирует функцию плотности вероятности, заданную с |
|
Обработайте к функции, которая генерирует логарифм функции плотности вероятности, заданной с |
Задайте дополнительные разделенные запятой пары Name,Value
аргументы. Name
имя аргумента и Value
соответствующее значение. Name
должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN
.
|
Неотрицательное целое число, количество выборок, чтобы сгенерировать и отбросить прежде, чем сгенерировать выборки, чтобы возвратиться. Алгоритмом выборки среза является Цепь Маркова, стационарное распределение которой пропорционально тому из Значение по умолчанию: |
|
Положительное целое число, где Значение по умолчанию: |
|
Ширина интервала вокруг текущей выборки, скаляра или вектора из положительных значений.
Значение по умолчанию: |
|
|
|
Скаляр, среднее количество вычислений функции на выборку.
|
Нет никаких категорических предложений для выбора соответствующих значений для burnin
, thin
, или width
. Выберите начальные значения burnin
и thin
, и увеличьте их, при необходимости, чтобы дать необходимую независимость и предельные распределения. Смотрите Нила [1] для деталей эффекта корректировки width
.
В каждой точке в последовательности случайных выборок, slicesample
выбирает следующий вопрос путем “разрезания” плотности, чтобы сформировать окружение вокруг предыдущей точки, где плотность выше некоторого значения. Следовательно, точки выборки весьма зависимы. Соседние точки в последовательности имеют тенденцию быть ближе вместе, чем они были бы от выборки независимых значений. Во многих целях целый набор точек может использоваться в качестве выборки от целевого распределения. Однако, когда этот тип последовательной корреляции является проблемой, burnin
и thin
параметры могут помочь уменьшать ту корреляцию.
slicesample
использует алгоритм выборки среза Нила [1]. Для числовой устойчивости это преобразует pdf
функция в logpdf
функция. Алгоритм, чтобы изменить размер области поддержки для каждого уровня, названного “выходить” и “продвижением - в”, был предложен Нилом.
[1] Нил, Рэдфорд М. Слайс Сэмплинг. Энн. Издание 31 закона, № 3, стр 705–767, 2003. Доступный в Проекте Евклид.
mhsample
| rand
| randsample