Cuando se obtienen muestras de MCMC para hacer inferencias sobre un parámetro en particular, ¿cuáles son buenas guías para el número mínimo de muestras efectivas que uno debe apuntar?
Y, ¿este consejo cambia a medida que el modelo se vuelve más o menos complejo?
La convergencia depende de varias cosas: el número de parámetros, el modelo en sí, el algoritmo de muestreo, los datos ...
Yo sugeriría evitar cualquier regla general y emplear un par de herramientas de diagnóstico de convergencia para detectar el número apropiado de iteraciones quemadas y adelgazadas en cada ejemplo específico. Véase también http://www.johnmyleswhite.com/notebook/2010/08/29/mcmc-diagnostics-in-r-with-the-coda-package/,http://users.stat.umn.edu/~geyer/mcmc/diag.html.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
