保罗·费恩黑德;Loukia Meligkotsidou 颗粒MCMC的增强方案。 （英语） 兹比尔1356.65025 统计计算。 第6期第26期第1293-1306页（2016年）。 小结：粒子MCMC涉及在MCMC算法中使用粒子过滤器。对于涉及未观察到的随机过程的模型推断，标准实现使用粒子滤波器为随机过程提出新值，MCMC移动为参数提出新值。我们展示了如何将粒子MCMC推广到更广的范围。我们的关键思想是引入新的潜在变量。然后，我们使用MCMC移动更新潜在变量，并使用粒子滤波器为给定潜在变量的参数和随机过程提出新值。定义这些潜在变量的一般方法是将它们建模为参数或随机过程的伪观测。通过选择这些潜在变量关于参数和随机过程的信息量，我们通常可以通过权衡粒子滤波器的蒙特卡罗误差和MCMC运动的混合来改进粒子MCMC算法的混合。我们展示了在粒子MCMC中使用伪观测可以提高其在某些情况下的效率：处理粒子滤波器的初始化问题；当参数与随机过程之间存在强相关性时，加速粒子吉布斯的混合；并且使得能够在颗粒过滤器内使用进一步的MCMC步骤。 引用于7文件 MSC公司： 65立方厘米 随机粒子方法 65二氧化碳 蒙特卡罗方法 65C20个 概率模型，概率统计中的通用数值方法 2009年6月26日 非马尔可夫过程：估计 关键词：Dirichlet过程混合模型;吉布斯粒子;序贯蒙特卡罗;状态空间模型;随机波动性 软件：结构;艾根斯特拉 PDF格式BibTeX公司 XML格式引用 \textit{P.Fearnhead}和\textit{L.Meligkotsidou}，统计计算。26，第6号，1293--1306（2016；Zbl 1356.65025） 全文： 内政部 arXiv公司 链接 参考文献： [1] Amit，Y.：关于高斯分布和非高斯分布的随机松弛收敛速度。J.多变量。分析。38(1), 82-99 (1991) ·Zbl 0735.60036号 ·doi:10.1016/0047-259X（91）90033-X [2] Andrieu，C.，Roberts，G.O.：有效计算的伪边缘方法。Ann.Stat.37，697-725（2009年）·Zbl 1185.60083号 ·doi:10.1214/07-AOS574 [3] Andrieu，C.，Thoms，J.：自适应MCMC教程。统计计算。18, 343-373 (2008) ·doi:10.1007/s11222-008-9110-y [4] Andrieu，C.，Doucet，A.，Holenstein，R.：粒子马尔可夫链蒙特卡罗（带讨论）。J.R.统计社会服务。B 62，269-342（2010）·Zbl 1184.65001号 ·文件编号：10.1111/j.1467-9868.2009.00736.x [5] Andrieu，C.，Lee，A.，Vihola，M.：迭代条件SMC的一致遍历性和粒子Gibbs采样器的几何遍历性。ArXiv电子版13126432（2013）·兹比尔1436.60069 [6] Blackwell，D.，MacQueen，J.B.：通过Polya-urn方案进行Ferguson分配。Ann.Stat.1，353-355（1973）·Zbl 0276.62010 ·doi:10.1214/aos/1176342372 [7] Carvalho，C.M.，Johannes，M.S.，Lopes，H.F.，Polson，N.G.：粒子学习和平滑。统计科学。25（1），88-106（2010a）·Zbl 1328.62541号 ·doi:10.1214/10-STS325 [8] Carvalho，C.M.，Lopes，H.F.，Polson，N.G.，Taddy，M.A.：一般混合物的粒子学习。贝叶斯分析。5709-740（2010年b）·Zbl 1330.62348号 ·doi:10.1214/10-BA525 [9] 肖邦，N.，辛格，S.S.：关于粒子吉布斯采样器。arXiv预印arXiv:1304.1887（2013） [10] Dahlin，J.、Lindsten，F.、Schön，T.B.：使用梯度和黑森信息的粒子都市黑斯廷斯。统计计算。25(1), 1-12 (2014) ·Zbl 1331.62134号 [11] Del Moral，P.：Feynman-Kac公式：谱系和相互作用粒子系统及其应用。施普林格，纽约（2004）·Zbl 1130.60003号 ·doi:10.1007/978-1-4684-9393-1 [12] Del Moral，P.，Kohn，R.，Patras，F.：关于Feynman-Kac和粒子马尔可夫链蒙特卡罗模型。arXiv预印arXiv:1404.5733（2014） [13] Dembo，A.、Kagan，A.、Shepp，L.A.等：关于最大相关系数的备注。伯努利7（2），343-350（2001）·Zbl 0981.62051号 ·doi:10.2307/3318742 [14] Doucet，A.，Godsill，S.J.，Andrieu，C.：贝叶斯滤波的序贯蒙特卡罗采样方法。统计计算。10, 197-208 (2000) ·doi:10.1023/A:1008935410038 [15] Doucet，A.，Pitt，M.K.，Deligiannidis，G.，Kohn，R.：使用无偏似然估计时马尔可夫链蒙特卡罗的有效实现。生物特征。102, 295-313 (2015). doi:10.1093/biomet/asu075·Zbl 1452.62055号 [16] Falush，D.，Stephens，M.，Pritchard，J.K.：使用多位点基因型数据推断种群结构：连锁位点和相关等位基因频率。遗传学1641567-1587（2003） [17] Fearnhead，P.：MCMC，充分统计和粒子过滤器。J.计算。图表。统计11，848-862（2002）·doi:10.1198/106186002835 [18] Fearnhead，P.：成分数量未知的混合模型的粒子过滤器。统计计算。2004年11月14日至21日·doi:10.1023/B:STCO.0000009418.04621.cd [19] Fearnhead，P.：复杂随机系统的计算方法：MCMC的一些替代方法综述。统计计算。18, 151-171 (2008) ·doi:10.1007/s11222-007-9045-8 [20] 费恩黑德，P。；Brooks，S.（编辑）；Gelman，A.（编辑）；Jones，GL（编辑）；Meng，X.（编辑），国家空间模型MCMC（2011），伦敦·Zbl 1229.65011号 [21] Fearnhead，P.，Clifford，P.:隐马尔可夫模型的在线推理。J.R.统计社会服务。B 65，887-899（2003）·兹比尔1059.62098 ·doi:10.1111/1467-9868.00421 [22] Ferguson，T.S.：一些非参数问题的贝叶斯分析。Ann.Stat.1209-230（1973）·Zbl 0255.62037号 ·doi:10.1214/aos/1176342360 [23] Gilks，W.R.，Berzuini，C.：遵循动态贝叶斯模型的移动目标蒙特卡罗推断。J.R.统计社会服务。B 63127-146（2001）·Zbl 0976.62021号 ·doi:10.1111/1467-9868.00280 [24] Gramacy，R.B.，Polson，N.G.：用于序列设计和优化的高斯过程模型的粒子学习。J.计算。图表。统计数据20，102-118（2011）·doi:10.1198/jcgs.2010.09171 [25] Lindsten，F.、Jordan，M.I.、Schön，T.B.：具有祖先采样的粒子吉布斯。J.马赫。学习。第15（1）号决议，2145-2184（2014）·兹伯利1319.60151 [26] Liu，J.S.：缺失信息的分数和数据增强的收敛速度。摘自：《计算科学与统计：第26届接口研讨会论文集》，北美接口基金会，弗吉尼亚州费尔法克斯站，第490-496页（1994） [27] Liu，J.S.，Wong，W.H.，Kong，A.：吉布斯采样器的协方差结构及其在估计量和增强方案比较中的应用。《生物特征》81（1），27-40（1994）·Zbl 0811.62080号 ·doi:10.1093/biomet/81.1.27 [28] Mendes，E.F.，Carter，C.K.，Kohn，R.：关于粒子马尔可夫链蒙特卡罗方法的一般采样方案。arXiv预印arXiv:1401.1667（2014） [29] Murray，L.M.，Jones，E.M.，Parslow，J.：关于扰动状态空间模型和粒子边缘Metropolis-Hastings采样器。SIAM/ASA J.不确定性。数量。1(1), 295-313 (2012) ·Zbl 1282.65016号 [30] Nemeth，C.、Sherlock，C.、Fearnhead，P.：粒子都市调整的朗之万算法。arXiv预印arXiv:1412.7299（2014）·兹比尔1506.62135 [31] Olsson，J.，Ryden，T.：使用前向滤波后向采样的粒子马尔可夫链蒙特卡罗方法的Rao Blackwell化。信号处理。IEEE传输。59(10), 4606-4619 (2011) ·Zbl 1391.65010号 ·doi:10.1109/TSP.2011.2161296 [32] Patterson，N.，Price，A.L.，Reich，D.：人口结构和特征分析。公共科学图书馆-遗传学。2（12），e190（2006）·doi:10.1371/journal.pgen.0020190 [33] Pitt，M.K.，Shephard，N.：吉布斯采样器应用于状态空间模型的分析收敛速度和参数化问题。J.时间序列。分析。20, 63-85 (1999) ·Zbl 0924.62093号 ·doi:10.111/1467-9892.00126 [34] Pitt，M.K.，dos Santos Silva，R.，Giordani，P.，Kohn，R.：基于粒子滤波的马尔可夫链蒙特卡罗模拟方法的一些特性。《经济学杂志》。171, 134-151 (2012) ·Zbl 1443.62499号 ·doi:10.1016/j.jeconom.2012.06.004 [35] Price，A.L.，Patterson，N.J.，Plenge，R.M.，Weinblatt，M.E.，Shadick，N.A.，Reich，D.：主成分分析修正了全基因组关联研究中的分层。自然遗传学。38(8), 904-909 (2006) ·doi:10.1038/ng1847 [36] Pritchard，J.K.，Stephens，M.，Donnelly，P.：使用多位点基因型数据推断种群结构。遗传学155，945-959（2000a） [37] Pritchard，J.K.，Stephens，M.，Rosenberg，N.A.，Donnelly，P.：结构化人群中的关联映射。Am.J.Hum.遗传学。67170-181（2000年b）·doi:10.1086/302959 [38] Rasmussen，D.A.，Ratmann，O.，Koelle，K.：使用系谱和时间序列推断非线性流行病学模型。公共科学图书馆计算。生物学7（8），e1002136（2011）·doi:10.1371/journal.pcbi.1002136 [39] Roberts，G.O.，Rosenthal，J.S.：各种Metropolis-Hastings算法的最佳缩放。统计科学。16, 351-367 (2001) ·Zbl 1127.65305号 ·doi:10.1214/ss/1015346320 [40] Rosenberg，N.A.、Pritchard，J.K.、Weber，J.L.、Cann，H.M.、Kidd，K.K.、Zhivotovsky，L.A.、Feldman，M.W.：人类种群的遗传结构。《科学》2982381-2385（2002）·doi:10.1126/science.1078311 [41] Sherlock，C.，Thiery，A.H.，Roberts，G.O.：关于伪边际随机行走Metropolis算法的效率。Ann.Stat.43，238-275（2015年）·兹比尔1326.65015 ·doi:10.1214/14-AOS1278 [42] Storvik，G.：存在未知静态参数的状态空间模型的粒子过滤器。IEEE传输。信号处理。50, 281-289 (2002) ·doi:10.1109/78.978383 [43] Tanner，M.A.，Wong，W.H.：通过数据增强计算后验分布。《美国统计协会杂志》82（398），528-540（1987）·Zbl 0619.62029号 ·doi:10.1080/01621459.1987.10478458 [44] van Dyk，D.A.，Meng，X.-L.：数据增强的艺术。J.计算。图表。统计数字10（1），1-50（2001）·doi:10.19198/10618600152418584 [45] Wood，F.、vand de Meent，J.W.、Mansinghka，V.：概率规划推断的新方法。附：第17届国际人工智能与统计会议记录（2014年）·Zbl 1436.60069号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。