×
伯纳德·德尔扬；弗朗索瓦·波特

安全自适应重要性抽样：混合方法。 （英语） Zbl 1472.62016年

Ann.统计。 49，编号2，885-917（2021）.
自适应重要性抽样（AIS）构成了新的样本，例如统计物理中的粒子，它们是在称为策略（q_k）的概率分布下生成的，下一个策略（q{k+1}）自适应地使用新粒子。在早期的工作中，选择该策略作为核密度估计，该核密度估计基于之前的粒子通过其重要性权重重新加权。作者提出了一种称为“安全自适应重要性抽样”（SAIS）的新方法，该方法将策略估计为核密度估计和具有较重尾部的特定“安全”密度的混合。他们还考虑了函数逼近并导出了收敛速度，从而得出了估计的中心极限定理。可以观察到，此过程的渐近方差与“oracle”过程的渐近偏差相同。此外，可以采用子采样方法来减少所涉及的计算时间，而不会损失原始效率。最后的仿真研究说明了所开发算法的实际性质。最后一节给出了详细的数学证明，包括两个附录。这里有很多有用的参考资料。
审核人：T.J.Rao（维萨卡帕特南）

引用于三文件

MSC公司：

62D05型 抽样理论、抽样调查
62G07年 密度估算
65二氧化碳 蒙特卡罗方法
60F05型 中心极限和其他弱定理
60G44型 连续参数鞅

关键词：

自适应重要性抽样；核密度估计；鞅方法；蒙特卡罗方法；中心极限定理；二次采样
PDF格式BibTeX公司 XML格式引用
\textit{B.Delyon}和\textit{F.Portier}，《安娜·斯图斯》第49卷，第2期，第885--917页（2021年；Zbl 1472.62016年）
全文： 内政部 arXiv公司

参考文献：

[1] Azaís，R.、Delyon，B.和Portier，F.（2018年）。基于马尔科夫设计的积分估计。申请中的预付款。普罗巴伯。50 833-857·Zbl 1436.62397号 ·doi:10.1017/apr.2018.38
[2] Bertail，P.和Portier，F.（2019年）。马尔可夫链的Rademacher复杂性：核平滑和Metropolis-Hastings的应用。伯努利25 3912-3938. ·Zbl 1431.60080号 ·doi:10.3150/19-bej1115
[3] Bornn，L.、Jacob，P.E.、Del Moral，P.和Doucet，A.（2013）。一种用于自动密度探测的自适应交互Wang-Landau算法。J.计算。图表。统计师。22 749-773. ·doi:10.1080/10618600.2012.723569
[4] Boucheron，S.、Lugosi，G.和Massart，P.（2013）。集中不等式:独立性的非渐近理论牛津大学出版社，牛津。米歇尔·勒杜（Michel Ledoux）的前言·Zbl 1337.60003号 ·doi:10.1093/acprof:oso/9780199535255.001.0001
[5] Cappé，O.、Guillin，A.、Marin，J.M.和Robert，C.P.（2004）。人口蒙特卡洛。J.计算。图表。统计师。13 907-929. ·doi:10.1198/106186004X12803
[6] 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. ·数字对象标识代码：10.1007/s11222-008-9059-x
[7] 肖邦，N.（2004）。序列蒙特卡罗方法的中心极限定理及其在贝叶斯推理中的应用。安。统计师。32 2385-2411. ·Zbl 1079.65006号 ·doi:10.1214/009053604000000698
[8] Dai，B.，He，N.，Dai，H.和Song，L.（2016）。通过粒子镜像下降进行可证明的贝叶斯推理。在人工智能与统计985-994.
[9] Del Moral，P.（2013）。蒙特卡罗积分的平均场模拟.统计学和应用概率专著126.佛罗里达州博卡拉顿CRC出版社。
[10] Delyon，B.和Portier，F.（2018）。自适应重要性抽样的渐近最优性。在会议记录32第二届神经信息处理系统国际会议3138-3148.
[11] Douc，R.、Guillin，A.、Marin，J.-M.和Robert，C.P.（2007a）。重要性抽样方案的自适应混合收敛性。安。统计师。35 420-448. ·Zbl 1132.60022号 ·doi:10.1214/00905360000001154
[12] 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。斯达。11 427-447. ·Zbl 1181.60028号 ·doi:10.1051/ps:2007028
[13] Elvira，V.、Martino，L.、Luengo，D.和Bugallo，M.F.（2019年）。广义多重重要性抽样。统计师。科学。34 129-155. ·Zbl 1420.62038号 ·doi:10.1214/18-STS668
[14] Evans，M.和Swartz，T.（2000）。蒙特卡罗和确定性方法逼近积分.牛津统计科学系列牛津大学出版社，牛津·Zbl 0958.65009号
[15] Feng，M.B.、Maggiar，A.、Staum，J.和Wächter，A.（2018年）。自适应多重重要性抽样样本平均逼近的一致收敛性。2018年冬季模拟会议(WSC公司) 1646-1657. 电气与电子工程师协会。
[16] Folland，G.B.（2013）。实际分析:现代技术及其应用纽约威利。
[17] Fort，G.、Jourdain，B.、Kuhn，E.、Lelièvre，T.和Stoltz，G.（2015）。Wang-Landau算法的收敛性。数学。公司。84 2297-2327·Zbl 1317.65011号 ·doi:10.1090/S0025-5718-2015-02952-4
[18] 弗里德曼博士（1975年）。关于鞅的尾部概率。安·普罗巴伯。3 100-118. ·Zbl 0313.60037号 ·doi:10.1214操作/1176996452
[19] 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
[20] Giné，E.和Guillou，A.（2001年）。关于随机删失数据核密度估计的一致性：在自适应区间上一致保持速率。亨利·彭加雷·普罗巴布（Henri PoincaréProbab）安·Inst。斯达。37 503-522. ·Zbl 0974.62030号 ·doi:10.1016/S0246-0203（01）01081-0
[21] Giné，E.和Guillou，A.（2002年）。多元核密度估计的强一致相合率。亨利·彭加雷·普罗巴布（Henri PoincaréProbab）安·Inst。斯达。38 907-921. ·Zbl 1011.62034号 ·doi:10.1016/S0246-0203（02）01128-7
[22] Givens，G.H.和Raftery，A.E.（1996年）。具有强非线性关系的多元密度的局部自适应重要性抽样。J.Amer。统计师。协会。91 132-141. ·Zbl 0869.62025号 ·doi:10.2307/2291389
[23] Gordon，N.J.、Salmond，D.J.和Smith，A.F.（1993年）。非线性/非高斯贝叶斯状态估计的新方法。IEE程序.,F、 雷达信号处理。140 107-113.
[24] Haario，H.、Saksman，E.和Tamminen，J.（2001）。自适应Metropolis算法。伯努利7 223-242. ·Zbl 0989.65004号
[25] Hall，P.和Heyde，C.C.（1980）。鞅极限理论及其应用.概率论与数理统计纽约学术出版社·Zbl 0462.60045号
[26] Hansen，B.E.（2008）。相依数据核估计的一致收敛速度。计量经济学理论24 726-748. ·Zbl 1284.62252号 ·doi:10.1017/S0266466608080304
[27] Hesterberg，T.（1995）。加权平均重要性抽样和防御混合分布。技术计量学37 185-194. ·Zbl 0822.62002号
[28] Kloek，T.和Van Dijk，H.K.（1978年）。方程系统参数的贝叶斯估计：蒙特卡罗积分的应用。计量经济学1-19. ·Zbl 0376.62014号
[29] Marin，J.-M.、Pudlo，P.和Sedki，M.（2019）。自适应重要性抽样和回收方案的一致性。伯努利25 1977-1998. ·Zbl 1466.62157号 ·doi:10.3150/18-BEJ1042
[30] Neddermeyer，J.C.（2009）。计算效率高的非参数重要性抽样。J.Amer。统计师。协会。104 788-802. ·Zbl 1388.62015号 ·doi:10.1198/jasa.2009.0122
[31] 哦，M.S.和Berger，J.O.（1992）。蒙特卡罗积分中的自适应重要性抽样。J.Stat.计算。模拟。41 143-168. ·Zbl 0781.65016号 ·网址：10.1080/00949659208810398
[32] Owen，A.B.（2013）。蒙特卡罗理论、方法和示例.
[33] 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:10.2307/2669533
[34] Pollard，D.（1984）。随机过程的收敛性.统计学中的斯普林格系列纽约州施普林格·兹比尔0544.60045 ·doi:10.1007/978-1-4612-5254-2
[35] Robert，C.P.和Casella，G.（2004年）。蒙特卡罗统计方法，第2版。统计中的Springer文本纽约州施普林格·兹比尔1096.62003 ·数字对象标识代码：10.1007/978-1-4757-4145-2
[36] Silverman，B.W.（2018）。统计和数据分析的密度估计伦敦劳特利奇。
[37] Stone，C.J.（1980）。非参数估计的最优收敛速度。安。统计师。8 1348-1360. ·Zbl 0451.62033号
[38] Temlyakov，V.N.（1998）。最佳（m）项近似和贪婪算法。高级计算。数学。8 249-265·Zbl 0905.65063号 ·doi:10.1023/A:1018900431309
[39] van der Vaart，A.W.（1998）。渐近统计.剑桥统计与概率数学系列3.剑桥大学出版社，剑桥·Zbl 0943.6202号 ·doi:10.1017/CBO978051180225
[40] Wang，F.和Landau，D.P.（2001）。确定经典统计模型的状态密度：一种随机游走算法，用于生成平面直方图。物理学。版本E64 056101.
[41] West，M.（1993）。用混合物近似后验分布。J.罗伊。统计师。Soc.序列号。B55 409-422. ·Zbl 0800.62221号
[42] 张平（1996）。非参数重要性抽样。J.Amer。统计师。协会。91 1245-1253 ·Zbl 0880.62044号 ·doi:10.2307/2291743
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。