σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Ruta de Bayesian Inference›Módulo 2 · Muestrear la posterior›Tema 2.1·~1 h 5 minAvanzado

Metropolis-Hastings desde cero

Posición en la rutaMódulo 2 de 3 · Tema 1 de 2
2.1 Metropolis-Hastings desde cero
—Puntuación del lab— / 100XP total—Racha—

Explorar una posterior que no se puede escribir

A menudo solo se puede escribir la posterior salvo una constante, como previa por verosimilitud, y no se puede sumar ni hallar su media con álgebra. Metropolis-Hastings construye un paseo aleatorio que visita lugares en proporción a la posterior. En el punto actual θ\thetaθ, proponga un punto cercano θ′\theta'θ′, por ejemplo θ\thetaθ más un poco de ruido normal. Compare las alturas posteriores con el cociente r=p(θ′)/p(θ)r=p(\theta')/p(\theta)r=p(θ′)/p(θ). Si r≥1r\ge1r≥1 el nuevo punto es al menos igual de bueno: avance. Si no, avance con probabilidad rrr. Si no avanza, anote de nuevo el punto actual. La constante desconocida es la misma en ambas alturas, así que se cancela en el cociente. Por eso funciona el método.

r=p(θ′)p(θ),α=min⁡(1, r),ln⁡α=min⁡(0, ln⁡p(θ′)−ln⁡p(θ))r=\frac{p(\theta')}{p(\theta)},\qquad \alpha=\min(1,\,r),\qquad \ln\alpha=\min\big(0,\ \ln p(\theta')-\ln p(\theta)\big)r=p(θ)p(θ′)​,α=min(1,r),lnα=min(0, lnp(θ′)−lnp(θ))(1)

La lista de puntos visitados es la cadena. Tras un calentamiento, llamado burn-in, se comporta como una muestra de la posterior, así que la media y el intervalo salen de promedios y percentiles simples de la cadena. El tamaño del paso es el ajuste principal. Si es muy pequeño, casi todo movimiento se acepta pero la cadena avanza a rastras. Si es muy grande, la mayoría de las propuestas caen en malos sitios y se rechazan, y la cadena se queda quieta. Una buena cadena acepta aproximadamente de un cuarto a la mitad de las propuestas. Mire siempre la cadena: grafíquela y arránquela desde puntos distintos para ver que coinciden.

Una propuesta, a manoSea la altura posterior p(θ)∝θ18(1−θ)10p(\theta)\propto\theta^{18}(1-\theta)^{10}p(θ)∝θ18(1−θ)10, la forma de Beta(19,11)\mathrm{Beta}(19,11)Beta(19,11). Desde θ=0,6\theta=0{,}6θ=0,6 proponga θ′=0,7\theta'=0{,}7θ′=0,7. El cociente es (0,7/0,6)18(0,3/0,4)10=0,903(0{,}7/0{,}6)^{18}(0{,}3/0{,}4)^{10}=0{,}903(0,7/0,6)18(0,3/0,4)10=0,903: acepte con probabilidad 0,900{,}900,90. Proponga en cambio θ′=0,55\theta'=0{,}55θ′=0,55: el cociente es 0,6780{,}6780,678, acepte con probabilidad 0,680{,}680,68. Ninguno de los dos cálculos necesitó la constante que hace sumar la densidad 111.
  • Propuesta y cociente: proponga un punto cercano y compare alturas posteriores. La constante desconocida se cancela.
  • Cadena: los puntos visitados, repetidos cuando se rechaza un movimiento. Quite el burn-in y promedie.
  • Tamaño del paso: muy pequeño se arrastra, muy grande se atasca. Apunte a aceptar de un cuarto a la mitad.

Lab: qué se califica

  • Una buena propuesta15 pts
  • Una propuesta peor15 pts
  • Un log-cociente10 pts
  • Promediar una cadena10 pts
  • Un paso demasiado grande10 pts
  • Una iteración10 pts
  • Emparejar el vocabulario15 pts
  • Por qué no hace falta la constante15 pts
0/ 8 respondidos
Ejercicios
1Respuesta numérica15 ptsSin responder

Con p(θ)∝θ18(1−θ)10p(\theta)\propto\theta^{18}(1-\theta)^{10}p(θ)∝θ18(1−θ)10, pase de θ=0,6\theta=0{,}6θ=0,6 a θ′=0,7\theta'=0{,}7θ′=0,7. ¿Cuánto vale el cociente r=p(θ′)/p(θ)r=p(\theta')/p(\theta)r=p(θ′)/p(θ)? Dé cuatro decimales.

r=r =r=aceptado: ± 0.003
2Respuesta numérica15 ptsSin responder

Ahora pase de θ=0,6\theta=0{,}6θ=0,6 a θ′=0,55\theta'=0{,}55θ′=0,55. ¿Cuánto vale el cociente rrr? Dé cuatro decimales.

r=r =r=aceptado: ± 0.003
3Respuesta numérica10 ptsSin responder

Trabajando en logs, ¿cuánto vale ln⁡p(θ′)−ln⁡p(θ)\ln p(\theta')-\ln p(\theta)lnp(θ′)−lnp(θ) para el paso de 0,60{,}60,6 a 0,70{,}70,7, es decir ln⁡0,9029\ln 0{,}9029ln0,9029? Dé tres decimales.

l=l =l=aceptado: ± 0.004
4Respuesta numérica10 ptsSin responder

Tras el burn-in, una cadena corta tiene los valores 0,62, 0,65, 0,65, 0,58, 0,700{,}62,\ 0{,}65,\ 0{,}65,\ 0{,}58,\ 0{,}700,62, 0,65, 0,65, 0,58, 0,70 (el segundo 0,650{,}650,65 es un movimiento rechazado). ¿Cuál es la estimación de la media posterior? Dé dos decimales.

m=m =m=aceptado: ± 0.005
5Elección10 ptsSin responder

¿Qué pasa cuando el paso de propuesta es demasiado grande?

6Ordenar los pasos10 ptsSin responder

Ponga en orden los pasos de una iteración de Metropolis-Hastings.

Arrastra para reordenar, o enfoca un elemento, pulsa Espacio para levantarlo, las flechas para moverlo y Espacio para soltarlo.

  1. 1Anotar el punto, nuevo o repetido
  2. 2Sortear un número uniforme u entre 0 y 1
  3. 3Proponer un punto cercano
  4. 4Avanzar si u es menor que el cociente, si no quedarse
  5. 5Calcular el cociente de alturas posteriores
7Emparejar15 ptsSin responder

Empareje cada término con su significado.

Elige la pareja de cada elemento de la izquierda.

Cadena
Burn-in
Propuesta
Tasa de aceptación
8Explicar con palabras15 ptsSin responder

En una o dos frases, explique por qué Metropolis-Hastings funciona incluso cuando se desconoce la constante de normalización de la posterior.

Modo matemáticasEntrada por teclado o LaTeXEjercicio 1 de 8 · Ctrl ⏎ para comprobar

Inicia sesión para ejecutar tu código.

Todas las clases se pueden leer gratis. Crea una cuenta o inicia sesión para ejecutar código, lanzar las pruebas y enviar este lab.

  • IDE en el navegador con terminal bash — sin instalar nada
  • Corrección instantánea, XP y tu lugar en la ruta
Crear una cuentaIniciar sesión
O
Continuar con GitHub