总结

标准的后验抽样算法,如马尔可夫链蒙特卡罗程序,在向大规模数据集扩展时面临着重大挑战。我们提出了一种简单通用的后验区间估计算法,用于快速准确地估计一维泛函后验分布的分位数。我们的算法对数据子集并行运行马尔可夫链蒙特卡罗,然后平均每个子集估计的分位数。我们提供了强有力的理论保证,并证明了我们算法的可信区间在领先参数阶下渐近逼近来自全后验的可信区间。在各种模拟和实际数据示例中,我们的算法比其竞争对手在准确性和效率上有更好的平衡。

您当前没有访问此文章的权限。