Skip to contents

Tamaño efectivo de muestra (ESS) de varias cadenas: el número de simulaciones independientes que darían la misma precisión para la media que las simulaciones autocorrelacionadas de las cadenas.

Usage

dl_ess(draws_list, max_lag = 200L)

Arguments

draws_list

Lista de matrices de simulaciones (una por cadena, con las mismas filas y columnas).

max_lag

Rezago máximo de la autocorrelación (al menos 2).

Value

Vector con el ESS de cada columna, con los nombres de las columnas.

Details

Con n_cadenas cadenas de n_sim simulaciones, autocor_t es la autocorrelación de rezago t promediada entre cadenas (stats::acf()), hasta t_max = min(max_lag, n_sim - 2). Se suman los pares autocor_{2k-1} + autocor_{2k} desde el rezago 1 hasta el primer par negativo, que no se suma (truncamiento tipo Geyer; Geyer, 1992, empieza en el rezago 0) y ESS = n_cadenas * n_sim / (1 + 2 * suma).

See also

dl_rhat(); dl_ajustar() guarda el ESS de cada parámetro en mcmc y dl_exportar_corrida() exige ESS >= 400 (ess_minimo).

Diagnóstico: dl_etiquetas(), dl_rhat(), dl_sensibilidad(), dl_validar_ancla()

Examples

set.seed(1)
cadenas <- replicate(4, matrix(rnorm(2000), ncol = 2, dimnames = list(NULL, c("a", "b"))),
                     simplify = FALSE)
dl_ess(cadenas)   # simulaciones independientes: cerca de 4 x 1000
#>        a        b 
#> 3936.784 3345.121