×

广义多重重要性抽样。 (英语) Zbl 1420.62038号

摘要:重要性抽样(IS)方法广泛用于估计后验分布或其矩。在标准IS方法中,样本取自单个提案分布并充分加权。然而,由于IS中的性能取决于目标分布和建议分布之间的不匹配,因此通常使用几种建议密度来生成样本。在这种多重要性抽样(MIS)的情况下,大量的文献讨论了提案分布的选择和调整,以不同的方式解释了抽样和加权步骤。在本文中,我们建立了一个新的通用框架,当有多个提案可用时,采用抽样和加权程序。新框架包含了文献中大多数相关的MIS方案,新的有效方案自然出现。根据相关估计值的方差对所有MIS方案进行比较和排序。最后,我们提供的示例表明,即使选择了很好的建议密度,对采样和加权程序的仔细解释也会对方法的性能产生显著影响。

MSC公司:

62D05型 抽样理论、抽样调查
2015年1月62日 贝叶斯推断
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Abramowitz,M.和Stegun,I.A.编辑(1992年)。数学函数与公式、图表和数学表格手册。纽约州多佛市·Zbl 0171.38503号
[2] Bugallo,M.F.、Elvira,V.、Martino,L.、Luengo,D.、Míguez,J.和Djuric,P.M.(2017年)。自适应重要性抽样:过去、现在和未来。IEEE信号处理。杂志34 60-79。
[3] Cappé,O.、Guillin,A.、Marin,J.M.和Robert,C.P.(2004)。人口蒙特卡洛。J.计算。图表。统计.13 907-929。
[4] Cappé,O.、Douc,R.、Guillin,A.、Marin,J.-M.和Robert,C.P.(2008)。一般混合类中的自适应重要性抽样。统计计算18 447-459。
[5] Cornuet,J.-M.、Marin,J.-M、Mira,A.和Robert,C.P.(2012年)。自适应多重重要性抽样。扫描。《美国联邦法律大全》第39卷第798-812页·Zbl 1319.62059号 ·doi:10.1111/j.1467-9469.2011.00756.x
[6] Douc,R.和Cappé,O.(2005年)。粒子滤波重采样方案的比较。ISPA 2005。第四届图像和信号处理与分析国际研讨会论文集64-69。IEEE,纽约。
[7] Douc,R.、Guillin,A.、Marin,J.-M.和Robert,C.P.(2007a)。重要抽样方案的自适应混合的收敛性。统计年鉴35 420-448·Zbl 1132.60022号 ·doi:10.1214/00905360000001154
[8] Douc,R.、Guillin,A.、Marin,J.-M.和Robert,C.P.(2007b)。通过总体蒙特卡罗进行最小方差重要性抽样。ESAIM概率。统计数据11 427-447·Zbl 1181.60028号 ·doi:10.1051/ps:2007028
[9] Elvira,V.、Martino,L.、Luengo,D.和Bugallo,M.F.(2015)。有效的多重重要性抽样估计器。IEEE信号处理。第22页,1757-1761。
[10] Elvira,V.、Martino,L.、Luengo,D.和Corander,J.(2015b)。梯度自适应人口重要性采样器。IEEE国际声学、语音和信号处理会议(ICASSP)4075-4079·Zbl 1394.94827号 ·doi:10.1109/TSP.2015.2440215
[11] Elvira,V.、Martino,L.、Luengo,D.和Bugallo,M.F.(2016)。异端多重重要性抽样。IEEE信号处理。电话:23 1474-1478。
[12] Elvira,V.、Martino,L.、Luengo,D.和Bugallo,M.F.(2017年)。改进人口蒙特卡罗:替代加权和重采样方案。信号处理131 77-91。
[13] Geweke,J.(1989)。使用蒙特卡罗积分的计量经济模型中的贝叶斯推断。计量经济学57 1317-1339·Zbl 0683.62068号 ·doi:10.2307/1913710
[14] Gordon,N.、Salmond,D.和Smith,A.F.M.(1993)。非线性和非高斯贝叶斯状态估计的新方法。IEE程序。F、 Commun公司。雷达信号处理140 107-113。
[15] Gwanyama,P.W.(2004)。HM-GM-AM-QM不等式。大学数学。期刊35 47-50。
[16] Haario,H.、Saksman,E.和Tamminen,J.(1999)。随机行走Metropolis算法的自适应建议分布。计算。统计14 375-396·Zbl 0941.62036号 ·doi:10.1007/s001800050022
[17] Haario,H.、Saksman,E.和Tamminen,J.(2001)。自适应Metropolis算法。伯努利7 223-242·Zbl 0989.65004号 ·doi:10.2307/3318737
[18] Hardy,G.H.、Littlewood,J.E.和Pólya,G.(1952年)。《不平等》,第二版,剑桥大学出版社,剑桥·Zbl 0047.05302号
[19] He,H.Y.和Owen,A.B.(2014)。多重重要抽样中的最优混合权重。预印本。可从arXiv:1411.3954获得。
[20] Hesterberg,T.(1995)。加权平均重要性抽样和防御混合分布。技术度量37 185-194·Zbl 0822.62002号 ·doi:10.1080/00401706.1995.10484303
[21] Kahn,H.和Marshall,A.W.(1953年)。蒙特卡罗计算中减少样本量的方法。《运营杂志》。美国国家研究院,1 263-278·Zbl 1414.90373号
[22] Kong,A.、Liu,J.S.和Wong,W.H.(1994)。顺序插补和贝叶斯缺失数据问题。J.Amer。统计师。协会9 278-288·Zbl 0800.62166号 ·doi:10.1080/01621459.1994.10476469
[23] Kong,A.、McCullagh,P.、Meng,X.-L.、Nicolae,D.和Tan,Z.(2003)。蒙特卡罗积分的统计模型理论。J.R.统计社会服务。B.统计方法65 585-618·Zbl 1067.62054号 ·doi:10.111/1467-9868.00404
[24] Liang,F.(2002)。蒙特卡罗计算中的动态加权重要性抽样。J.Amer。统计师。协会97 807-821·Zbl 1058.65006号 ·doi:10.1198/016214502388618618
[25] Liu,J.S.(2008)。科学计算中的蒙特卡罗策略。纽约州施普林格·Zbl 1132.65003号
[26] Martino,L.、Elvira,V.、Luengo,D.和Corander,J.(2015a)。自适应人口重要性抽样:从不确定性中学习。IEEE传输。信号处理63 4422-4437·兹比尔1394.94827 ·doi:10.1109/TSP.2015.2440215
[27] Martino,L.、Elvira,V.、Luengo,D.和Corander,J.(2017年)。分层自适应重要性采样。统计计算27 599-623·Zbl 1505.62276号 ·doi:10.1007/s11222-016-9642-5
[28] Niederreiter,H.(1992)。随机数生成和准蒙特卡罗方法。CBMS-NSF应用数学区域会议系列63。宾夕法尼亚州费城SIAM·Zbl 0761.65002号
[29] Owen,A.(2013)。蒙特卡罗理论、方法和实例。可在http://statweb.stanford.edu/欧文/麦克/。
[30] Owen,A.和Zhou,Y.(2000)。安全有效的重要性抽样。J.Amer。统计师。协会95 135-143·Zbl 0998.65003号 ·doi:10.1080/01621459.2000.10473909
[31] Robert,C.P.和Casella,G.(2004年)。蒙特卡洛统计方法,第二版,斯普林格,纽约·兹比尔1096.62003
[32] Tan,Z.(2004)。关于蒙特卡罗积分的似然方法。J.Amer。统计师。协会99 1027-1036·Zbl 1084.65007号 ·doi:10.1198/0162145000001664
[33] Veach,E.和Guibas,L.(1995年)。蒙特卡罗渲染的最佳组合采样技术。SIGGRAPH 1995年论文集419-428。
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。