×
马蒂亚斯·奎罗兹;马蒂亚斯·维拉尼;罗伯特·科恩;越南Tran;Khue-Dung，Dang

二次抽样MCMC——对调查统计学家的介绍。 （英语） Zbl 1425.62020号

Sankhyá，Ser。A类 80，第1号，补遗，33-69（2018）.
本文从调查统计学家的角度提出了马尔可夫链蒙特卡罗亚抽样的伪边缘方法。本文综述了几种有效的控制变量，用于降低似然估计量的方差，使子抽样MCMC可扩展到大数据集。还提出了在MCMC迭代过程中关联子样本的方法，最终得到允许更多可变似然估计的算法。重点放在对数似然的无偏估计量和由此产生的似然估计量的偏差校正方法上。
审核人：亚历山德罗·塞尔维特拉（韦恩堡）

引用于7文件

MSC公司：

62D05型 抽样理论、抽样调查
62-02 与统计有关的研究展览（专著、调查文章）
65二氧化碳 蒙特卡罗方法

关键词：

伪边际MCMC;差估计量;哈密尔顿蒙特卡罗（HMC）

软件：

坚果;Copula模型;MapReduce;化学需氧量
PDF格式BibTeX公司 XML格式引用
\textit{M.Quiroz}等人，Sankhyá，Ser。A 80，编号1，33--69（2018；Zbl 1425.62020）
全文： 内政部 arXiv公司

参考文献：

[1] Alquier，P.、Friel，N.、Everitt，R.和Boland，A.（2016）。噪声蒙特卡罗：具有近似转移核的马尔可夫链的收敛性。统计计算26，1-2，29-47·Zbl 1342.60122号
[2] Andrieu，C.和Roberts，G.O.（2009年）。有效蒙特卡罗计算的伪边缘方法。Ann.Stat.37，2697-725·Zbl 1185.60083号
[3] Bardenet，R.、Doucet，A.和Holmes，C.（2014）。向上扩展马尔可夫链蒙特卡罗：自适应子采样方法，第405-413页。
[4] Bardenet，R.、Doucet，A.和Holmes，C.（2017年）。高数据的马尔可夫链蒙特卡罗方法。J.马赫。学习。第18、47、1-43号决议·Zbl 1433.68394号
[5] Beaumont，M.A.（2003年）。估计遗传监测人群的人口增长或下降。遗传学1641139-1160。
[6] Betancourt，M.（2015）。可伸缩哈密顿蒙特卡罗和原始数据子采样的基本不相容性。在机器学习国际会议上，第533-540页。
[7] Betancourt，M.（2017）。哈密尔顿蒙特卡罗的概念介绍。arXiv:1701.02434。
[8] Bierkens，J.、Fearnhead，P.和Roberts，G（2018）。大数据贝叶斯分析的锯齿形过程和超高效采样。《统计年鉴》，即将出版·Zbl 1417.65008号
[9] Blei，D.M.、Kucukelbir，A.和McAuliffe，J.D.（2017年）。变分推理：统计学家评论。美国统计协会期刊112518859-877。
[10] Bouchard-Côté，A.，Vollmer，S.J.和Doucet，A.（2018）。弹性粒子采样器：一种不可逆无排斥马尔可夫链蒙特卡罗方法。美国统计协会期刊113、522、855-867·Zbl 1398.60084号
[11] Brooks，S.、Gelman，A.、Jones，G.和Meng，X.-L（2011）。马尔可夫链蒙特卡罗手册。CRC出版社，博卡拉顿·Zbl 1218.65001号
[12] Ceperley，D.和Dewing，M.（1999）。能量不确定随机游动的惩罚方法。化学杂志。物理110、20、9812-9820。
[13] Chen，C.-F.（1985）。关于具有贝叶斯意义的极限密度函数的渐近正态性。J.R.统计社会服务。B Stat.方法47，3，540-546·Zbl 0607.62015年
[14] Chen，T.、Fox，E.和Guestrin，C.（2014）。随机梯度哈密顿蒙特卡罗。在国际机器学习会议上，第1683-1691页。
[15] Dang，K.-D.、Quiroz，M.、Kohn，R.、Tran，M.-N.和Villani，M.（2017）。具有能量守恒子采样的哈密顿蒙特卡罗。arXiv:1708.00955·Zbl 1441.62927号
[16] Dean，J.和Ghemawat，S.（2008年）。MapReduce：简化了大型集群上的数据处理。Commun公司。ACM51，1，107-113。
[17] Del Moral，P.（2004）。费曼-卡克公式：谱系和相互作用粒子系统及其应用。柏林施普林格·Zbl 1130.60003号
[18] Deligiannidis，G.、Doucet，A.和Pitt，M.K.（2018年）。相关伪边缘法。英国皇家统计学会学报B，即将出版·Zbl 1407.62074号
[19] Deville，J.-C.和Särndal，C.-E.（1992年）。调查抽样中的校准估计器。美国统计协会期刊87、418、376-382·Zbl 0760.62010号
[20] Doucet，A.、De Freitas，N.和Gordon，N.（2001年）。顺序蒙特卡罗方法简介。《序贯蒙特卡罗方法的实践》，第3-14页。斯普林格·Zbl 1056.93576号
[21] Doucet，A.、Pitt，M.、Deligiannidis，G.和Kohn，R.（2015）。使用无偏似然估计量时马尔可夫链蒙特卡罗的有效实现。生物特征102，2295-313·Zbl 1452.62055号
[22] Duane，S.、Kennedy，A.D.、Pendleton，B.J.和Roweth，D.（1987）。混合蒙特卡洛。物理。莱特。第195页，第216-222页。
[23] Flury，T.和Shephard，N.（2011年）。仅基于模拟似然的贝叶斯推断：动态经济模型的粒子滤波分析。计量经济学理论27，5，933-956·Zbl 1226.62021号
[24] Gelman，A.、Vehtari，A.、Jylänki，P.、Sivula，T.、Tran，D.、Sahai，S.、Blomstedt，P.，Cunningham，J.P.、Schiminovich，D.和Robert，C.（2017）。期望传播作为一种生活方式：对分区数据进行贝叶斯推断的框架。arXiv:1412.4869·Zbl 1498.68287号
[25] Geman，S.和Geman，D.（1984）。随机松弛、吉布斯分布和图像的贝叶斯恢复。IEEE传输。模式分析。机器。情报6，6721-741·Zbl 0573.62030号
[26] Gunawan，D.、Kohn，R.、Quiroz，M.、Dang，K.-D.和Tran，M.-N.（2018年）。静态贝叶斯模型的子抽样序贯蒙特卡罗方法。arXiv:1805.03317·Zbl 1452.62985号
[27] Hammersley，J.M.和Handscomb，D.C.（1964年）。蒙特卡罗方法。查普曼和霍尔，伦敦·Zbl 0121.35503号
[28] 黑斯廷斯，W.K.（1970）。使用马尔可夫链的蒙特卡罗抽样方法及其应用。生物特征57，197-109·Zbl 0219.65008号
[29] M.D.霍夫曼和A.盖尔曼（2014）。无转取样器：在哈密顿蒙特卡罗中自适应设置路径长度。J.马赫。学习。1593-1623年第15号决议·Zbl 1319.60150号
[30] Joe，H.（2014）。使用连接函数进行依赖建模。CRC出版社，博卡拉顿·Zbl 1346.62001号
[31] Jordan，M.I.、Ghahramani，Z.、Jaakkola，T.S.和Saul，L.K.（1999）。介绍图形模型的变分方法。机器。学习37、2、183-233·Zbl 0945.68164号
[32] Koratikara，A.、Chen，Y.和Welling，M.（2014）。MCMC土地紧缩：削减大都会黑斯廷斯的预算。在机器学习国际会议上，第181-189页。
[33] Lin，L.，Liu，K.和Sloan，J.（2000）。有噪声的蒙特卡罗算法。物理。版次：D61、7、074505。
[34] Lyne，A.-M.、Girolma，M.、Atchade，Y.、Strathmann，H.和Simpson，D.（2015）。关于具有双重棘手可能性的贝叶斯推断的俄罗斯轮盘赌估计。《美国法律总汇》第30卷，第4卷，第443-467页·Zbl 1426.62092号
[35] Maclaurin，D.和Adams，R.P.（2014）。Firefly Monte Carlo：数据子集的精确MCMC。《第30届人工智能不确定性会议论文集》（UAI 2014）。
[36] Maire，F.、Friel，N.和Alquier，P.（2018年）。知情亚抽样MCMC：大数据集的近似贝叶斯推断。统计与计算，即将出版·Zbl 1430.62059号
[37] Metropolis，N.、Rosenbluth，A.W.、Rosenbruth，M.N.、Teller，A.H.和Teller等人（1953年）。快速计算机器的状态方程计算。化学杂志。物理21、6、1087-1092·兹比尔1431.65006
[38] Minka，T.P.（2001）。近似贝叶斯推断的期望传播。《第17届人工智能不确定性会议论文集》，第362-369页。摩根考夫曼出版公司。
[39] Minsker，S.、Srivastava，S.，Lin，L.和Dunson，D.（2014）。通过中位数后验的可伸缩且稳健的贝叶斯推断。在机器学习国际会议上，第1656-1664页。
[40] Neal，R.M.等人（2011年）。MCMC使用哈密顿动力学。马尔可夫链蒙特卡罗手册，11，2·Zbl 1229.65018号
[41] Neiswanger，W.、Wang，C.和Xing，E.（2013）。渐进精确，令人尴尬的平行MCMC。arXiv:1311.4780。
[42] Nemeth，C.（2018）。Sherlock通过高斯过程近似合并MCMC后验概率。贝叶斯分析.13，2507-530·Zbl 1407.62081号
[43] Nicholls，G.K.、Fox，C.和Watt，A.M.（2012年）。MCMC与随机接受概率耦合。arXiv:1205.6857。
[44] Papaspiliopoulos，O.（2009年）。扩散过程蒙特卡罗概率推断的方法框架。手稿。可在http://wrap.warwick.ac.uk/35220/1/wrap_Papaspiliopoulos_09-31w.pdf。
[45] Pitt，M.K.、dos Santos Silva，R.、Giordani，P.和Kohn，R.（2012）。基于粒子滤波的马尔可夫链蒙特卡罗模拟方法的一些性质。《经济学杂志》171、2、134-151·Zbl 1443.62499号
[46] Plummer，M.、Best，N.、Cowles，K.和Vines，K.（2006年）。Coda：MCMC的收敛诊断和输出分析。R新闻6，1，7-11。
[47] Quiroz，M.、Kohn，R.、Villani，M.和Tran，M.-N.（2018a）。通过有效的数据子采样加速MCMC。美国统计协会杂志，即将出版·Zbl 1420.62121号
[48] Quiroz，M.、Tran，M.-N.、Villani，M.和Kohn，R.（2018b）。通过延迟验收和数据二次采样加速MCMC。J.计算。图表。统计数据27，12-22·Zbl 07498963号
[49] Quiroz，M.、Tran，M.-N.、Villani，M.，Kohn，R.和Dang，K.-D.（2018c）。最优调谐精确子采样MCMC的块Poisson估计。arXiv:1603.08232·兹比尔07499924
[50] Quiroz，M.、Villani，M.和Kohn，R.（2014）。通过有效的数据子采样加速MCMC。arXiv:1603.08232v1·Zbl 1420.62121号
[51] Rhee，C.和Glynn，P.W.（2015）。SDE模型平方根收敛的无偏估计。操作。第63、5、1026-1043号决议·Zbl 1347.65016号
[52] Roberts，G.O.、Gelman，A.和Gilks，W.R.（1997年）。随机行走Metropolis算法的弱收敛性和最优尺度。附录申请。概率7，1，110-120·Zbl 0876.60015号
[53] Rue，H.、Martino，S.和Chopin，N.（2009年）。利用集成嵌套拉普拉斯近似对潜在高斯模型进行近似贝叶斯推断。J.R.统计社会服务。B统计方法71，2，319-392·Zbl 1248.62156号
[54] Särndal，C.-E.，Swensson，B.和Wretman，J.（2003）。模型辅助调查抽样。柏林施普林格科技与商业媒体·Zbl 1027.62004号
[55] Scott，S.L.、Blocker，A.W.、Bonassi，F.V.、Chipman，H.A.、George，E.I.和McCulloch，R.E.（2016）。贝叶斯和大数据：共识蒙特卡罗算法。国际管理杂志。科学。工程管理11，2，78-88。
[56] Sherlock，C.、Thiery，A.H.、Roberts，G.O.和Rosenthal，J.S.（2015）。关于伪边缘随机游走Metropolis算法的效率。Ann.Stat.43，1，238-275·Zbl 1326.65015号
[57] Steel，D.和McLaren，C.（2009年）。设计和分析随时间重复的调查。统计手册29，289-313。
[58] Van der Vaart，A.W.（1998）。渐近统计，第3卷。剑桥大学出版社，剑桥·Zbl 0910.62001号
[59] Wagner，W.（1988年）。某些泛函积分蒙特卡罗计算的无偏多步估计。J.计算。物理79，2，336-352·Zbl 0658.65053号
[60] Wang，X.和Dunson，D.B.（2014）。通过Weierstrass采样器并联MCMC。arXiv:1312.4605v2。
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。