Pregunta: Con un 10 dimensiones MCMC de la cadena, vamos a decir que estoy preparado para entregar a una matriz de los sorteos: de 100.000 iteraciones (en las filas) por 10 parámetros (columnas), cómo puedo identificar el posterior modos? Estoy especialmente preocupado con múltiples modos.
Antecedentes: me considero un cómputo inteligente estadístico, pero cuando un colega me preguntó, me daba vergüenza que yo no podía llegar con una razonable respuesta. La principal preocupación es que los múltiples modos puede aparecer, pero sólo si al menos ocho de las diez dimensiones que se consideran. Mi primer pensamiento sería el uso de un kernel de la estimación de la densidad, pero una búsqueda a través de R revelado nada prometedor para los problemas de más de tres dimensiones. El colega ha propuesto un ad-hoc binning estrategia en diez dimensiones y la búsqueda de una máxima, pero mi preocupación es que el ancho de banda puede dar lugar a una importante dispersión de los problemas o a la falta de resolución de discernir, de múltiples modos. Dicho esto, me gustaría que felizmente se aceptan sugerencias para la automatización de ancho de banda de sugerencias, enlaces a un 10 estimador de densidad de kernel, o cualquier otra cosa que usted sabe acerca de.
Preocupaciones:
Creemos que la distribución puede ser bastante sesgada; por lo tanto, queremos identificar la parte posterior modo(s) y no de la parte posterior del medio.
Nos preocupa que no puede ser de varios posterior modos.
Si es posible, preferimos una R basado en la sugerencia. Pero cualquier algoritmo hacer que el tiempo no es muy difícil de implementar. Supongo que prefiero no poner N-d de densidad de kernel estimador con automatizados de selección de ancho de banda desde cero.
