×

使用B样条技术对Metropolis-Hastings进行有效的建议分布。 (英语) Zbl 1365.65026号

摘要:在本文中,我们使用B样条建议Metropolis-Hastings算法在Metropolis-Hastings算法中提出了一种有效的建议分布。这种新方法可以推广到高维情况,例如吉布斯采样和Hit-and-Run(BSPHR)算法中的B样条建议。它通过从目标函数中携带更多信息来改进Metropolis-Hastings算法中的提案分布。在仿真和实际数据示例中,将BSPHR与其他马尔可夫链蒙特卡罗(MCMC)采样器的性能进行了比较。仿真结果表明,新方法的性能明显优于其他MCMC方法。

MSC公司:

65立方厘米60 统计中的计算问题(MSC2010)
60年22日 马尔可夫链中的计算方法
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[2] 贝茨,D.M。;Watts,D.G.,《非线性回归分析及其应用》(1988年),威利出版社:威利纽约·Zbl 0728.62062号
[3] Boor,C.D.,《样条线实用指南》(1978),《施普林格:施普林格柏林》·Zbl 0406.41003号
[4] Chan,K。;Geyer,C.,评论“探索后验分布的马尔可夫链”,《统计年鉴》,221747-1758(1994)
[5] Chen,M.H。;Schmeiser,B.,吉布斯、肇事逃逸和大都市采样器的性能,计算和图形统计学杂志,2,35251-272(1993)
[6] Fishman,G.S.,《蒙特卡罗:概念、算法和应用》(1995年),Springer-Verlag:Springer-Verlag纽约
[7] Gelmen,A。;Roberts,G.O。;Gilks,W.R.,《有效的大都市跳跃规则》,(贝叶斯统计,第5卷(1996),牛津大学出版社),599-607
[8] Geman,S。;Geman,D.,随机松弛、吉布斯分布和图像的贝叶斯恢复,IEEE模式分析和机器智能汇刊,6721-741(1984)·兹比尔0573.62030
[9] Gentle,J.E.,《计算统计要素》(2002),《施普林格:施普林格柏林》·Zbl 1031.62003年
[10] Geyer,C.J.,Markov Chain Monte Carlo Maximum Likelihood,(Keramigas,E.,《计算科学与统计:第23届界面研讨会》(1991年),界面基金会:界面基金会费尔法克斯),156-163
[12] 吉尔克斯,W.R。;贝斯特,N.G。;Tan,K.K.C.,吉布斯抽样中的自适应拒绝大都市抽样,英国皇家统计学会期刊。C系列,44,4,455-472(1995)·Zbl 0893.62110号
[13] 吉尔克斯,W.R。;Wild,P.,《自适应拒绝抽样》,《皇家统计学会杂志》。C系列,41,2337-348(1992)·Zbl 0825.62407号
[14] Hastings,W.K.,《使用马尔可夫链的蒙特卡罗采样方法及其应用》,《生物统计学》,第57期,第97-109页(1970年)·Zbl 0219.65008号
[15] 黄Y.Q。;李永生,(数值逼近(1987),高等教育出版社:北京高等教育出版社)
[17] Liang,F.M。;Liu,C.H。;Carrol,R.J.,《高级马尔可夫链蒙特卡罗方法:从过去的样本中学习》(2010),John Wiley&Sons Ltd.:英国John Willey&Sons有限公司·Zbl 1209.62009号
[18] Liang,F.M。;Wong,H.W.,实际参数进化蒙特卡罗及其在贝叶斯混合模型中的应用,美国统计协会杂志,96,653-666(2001)·Zbl 1017.62022号
[19] Liu,J.S.,科学计算中的蒙特卡罗策略(2001),Springer-Verlag:Springer-Verlag纽约·Zbl 0991.65001号
[20] Liu,J.S。;Liang,F.M。;Wong,W.H.,《大都会抽样中的多重方法和局部优化》,美国统计协会杂志,95,121-134(2000)·Zbl 1072.65505号
[21] 北卡罗来纳州大都会。;罗森布鲁斯,A.W。;Rosenbluth,M.N。;出纳员,A.H。;Tell,E.,用快速计算机器计算状态方程,化学物理杂志,21,6,1087-1091(1953)·Zbl 1431.65006号
[22] Petris,G.,动态线性模型的R包,《统计软件杂志》,36,12,1-16(2010),网址http://www.jstatsoft.org/v36/i12/
[23] Ritter,C。;Tanner,M.A.,《促进吉布斯采样器:吉布斯塞子和Griddy-Gibbs采样器》,美国统计协会杂志,87,419,861-868(1992)
[24] Roberts,G.O。;Gelman,A。;Gilks,W.R.,随机行走Metropolis算法的弱收敛性和最优尺度,应用概率年鉴,7110-120(1997)·Zbl 0876.60015号
[25] Roberts,G.O。;Rosenthal,J.S.,各种Metropolis-Hastings算法的最佳缩放,《统计科学》,16,4,351-367(2001)·Zbl 1127.65305号
[26] Roberts,G.O。;Rosenthal,J.S.,《朗之万扩散离散近似的最佳缩放》,英国皇家统计学会期刊,B辑,60255-268(1998)·Zbl 0913.60060号
[27] Roberts,G.O。;Tweedie,R.L.,Langevin扩散的指数收敛及其离散近似,伯努利,2341-363(1996)·Zbl 0870.60027号
[28] Rosenthal,J.S.,《最优方案分布和自适应MCMC》(Brooks,S.P.;Gelman,A.;Jones,G.;Meng,X.-L.,《马尔可夫链蒙特卡罗手册》(2010),查普曼和霍尔/CRC出版社)
[29] 斯托尔,J。;Bulirsch,R.,《数值分析导论》(2002),施普林格出版社:柏林施普林格·Zbl 1004.65001号
[30] Tanner,M.A.,《统计推断工具》。探索后验分布和似然函数的方法(1996),Springer-Verlag:Springer-Verlag纽约·Zbl 0846.62001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。