Changes between Version 10 and Version 11 of OfficialTolArchiveNetworkBysSampler

Timestamp:

Nov 4, 2010, 11:31:06 AM (14 years ago)

Author:

Víctor de Buen Remiro

Comment:

--

OfficialTolArchiveNetworkBysSampler

@@ -89 +89 @@
 donde el tamaño de paso (''step size'') [[LatexEquation( s )]] será modificado en cada iteración de forma que el ratio de aceptación {{{Real @Generic::acceptRatio}}}, es decir, la proporción de candidatos aceptados, se acerque lo más posible a un valor óptimo o deseado {{{Real @AcceptReject::acceptRatio.target}}} dependiente de cada método.
 
+==== {{{Class @RandRay }}} ====
+
+La clase {{{@RandRay : @AcceptReject}}} es similar a {{{@RandWalk}}} pero primero se fija un vector de dirección unitaria y luego se genera un punto en esa dirección con origen en el último valor aceptado y longitud normal de media nula
+
+[[LatexEquation( Q\left(x,y\right) : y = x + h u )]]
+
+[[LatexEquation( h \in \mathbb{R} \sim N\left(0,s^2\right) )]]
+
+[[LatexEquation( \left\Vert u \right\Vert = 1 )]]
+
+
 === {{{Class @MetHas }}} ===
 La clase {{{@MetHas : @AcceptReject}}} implementa el más simple de los métodos de simulación vectorial: el método [http://en.wikipedia.org/wiki/Metropolis%E2%80%93Hastings_algorithm Metropolis-Hastings], que puede ser muy eficiente cuando no hay muchas variables y estas no están muy correlacionadas. El valor crítico de aceptación de este método se calcula como
@@ -109 +120 @@
 La clase {{{@MulTryMet: @AcceptReject}}} implementa el método [http://en.wikipedia.org/wiki/Multiple-try_Metropolis Multiple Try Metropolis (MTM)] basado en generar un número [[LatexEquation( k $$)]] de precandidatos [[LatexEquation( y_1 \dots y_k $$)]] según la ley [[LatexEquation( Q\left(x,y_j\right) )]] de entre los que se selecciona el candidato propiamente dicho.
 
-En primer lugar se debe definir una función de pesos producto de la densidad objetivo, la densidad de transición de los precandidatos y una función de transición positiva y simétrica llamada [[LatexEquation( \lambda \left( x,y \right) $$)]] 
+En primer lugar se debe definir una función de pesos de transición
 
-[[LatexEquation( w\left( x,y \right) = \pi\left( y \right) Q\left( x,y \right)\lambda \left( x,y \right) $$)]]
+[[LatexEquation( w\left( x,y \right) = \pi\left( x \right) Q\left( x,y \right)\lambda \left( x,y \right) $$)]]
+
+donde
+
+[[LatexEquation( \lambda \left( x,y \right) = \lambda \left( y,x \right) \ge 0 $$)]] 
 
 Una vez generados los precandidatos, la selección del candidato [[LatexEquation( y $$)]] se hace de forma aleatoria proporcional a los pesos [[LatexEquation( w\left( y_j, x \right)  $$)]]
@@ -144 +159 @@
 
 === {{{Class @Arima}}} ===
-Esta clase implementa los métodos necesarios para manejar un modelo en el que las variables son los coeficientes de los polinomios estacionarios de un modelo ARIMA que hay que contrastar con una serie temporal de ruido ARIMA normal. Los valores iniciales se simulan en cada paso de forma condicionada a los polinomios simulados pero no se almacenan como cadena de Markov. En una próxima versión podría añadirse esta capacidad de forma opcional.
+Esta clase, ideada en principio como mecanismo de chequeo del sistema, implementa los métodos necesarios para manejar un modelo en el que las variables son los coeficientes de los polinomios estacionarios de un modelo ARIMA que hay que contrastar con una serie temporal de ruido ARIMA normal. Los valores iniciales se simulan en cada paso de forma condicionada a los polinomios simulados, pues en ese caso es formulable analíticamente, pero no se almacenan como cadena de Markov. En una próxima versión podría añadirse esta capacidad de forma opcional.
 
 ==== {{{@Arima.MetHas.RandWalk}}} ====