×
阿南德·迪克西特;罗伊，维维卡南达

利用Kullback-Leibler散度对高维MCMC进行诊断。 （英语） Zbl 07192085号

J.统计计算。模拟 87，第13号，2622-2638（2017）.
总结：在MCMC诊断的现有文献中，我们确定了两个需要改进的领域。首先，目前文献中可用的基于密度的诊断工具不适合评估多个变量的联合收敛性。其次，在多模态目标分布的情况下，如果MCMC采样器卡在其中一个模态中，那么当前的诊断工具可能会错误地检测到收敛。本文提出的工具1利用自适应核密度估计、对称Kullback-Leibler散度和假设框架测试来评估多变量的联合收敛性。在工具1检测到多个链从不同的初始值开始发散的情况下，我们建议使用可视化工具来帮助调查发散背后的原因。本文提出的工具2新颖地使用了目标分布（已知到未知的归一化常数）来检测MCMC采样器卡在多模态目标分布模式之一时的发散。本文中提出的工具的有用性通过一个多模态分布、二元正态分布和贝叶斯逻辑模型的混合示例进行了说明。

引用于1文件

MSC公司：

62至XX 统计

关键词：

自适应核密度估计;收敛诊断;Kullback-Leibler散度;蒙特卡洛;MCMC公司

软件：

体积;使沮丧;R2古巴;pdf集群;Mcmcpack公司;自适应MCMC;吉布斯特;古巴
PDF格式BibTeX公司 XML格式引用
\textit{A.Dixit}和\textit{V.Roy}，J.统计计算。模拟87，No.13，2622--2638（2017；Zbl 07192085）
全文： 内政部 链接

参考文献：

[1] 罗森塔尔JS。马尔可夫链蒙特卡罗的简化条件和收敛速度。J Amer统计协会，1995年；90(430):558-566. doi:10.1080/01621459.1995.10476548[Taylor&Francis Online]，[Web of Science®]，[Google学者]·兹伯利0824.60077
[2] Jones GL，Hobert JP。通过马尔可夫链蒙特卡罗诚实地探索难处理的概率分布。统计科学。2001;16(4):312-334. doi:10.1214/ss/1015346317[Crossref]，[Web of Science®]，[Google学者]·Zbl 1127.60309号
[3] Roy V，Hobert JP。贝叶斯概率回归马尔可夫链蒙特卡罗算法的收敛速度和渐近标准误差。J R Stat Soc Ser B Stat方法。2007;69(4):607-623. doi:10.1111/j.1467-9868.2007.00602.x[Crossref]，[Web of Science®]，[Google学者]·Zbl 07555367号
[4] Gelman A，Rubin DB。使用多个序列从迭代模拟中推断。统计科学。1992;7:457-472. doi:10.1214/ss/117001136[交叉引用]，[谷歌学者]·Zbl 1386.65060号
[5] Brooks SP，Gelman A.监测迭代模拟收敛性的通用方法。J计算图形统计。1998;7:434-455. [Taylor&Francis Online]、[Web of Science®]、[Google学者]
[6] Raftery AE，Lewis SM。吉布斯采样器中的迭代次数。编辑：Bernardo JM、Smith AFM、Dawid AP、Berger JO。贝叶斯统计4。牛津：牛津大学出版社；1992年，第763-773页。[谷歌学者]
[7] Geweke J.评估基于抽样的后验矩计算方法的准确性。收录人：Bernardo JM、Berger JO、Dawid AP、Smith AFM，编辑。贝叶斯统计4。牛津：牛津大学出版社；1992年，第169-193页。[谷歌学者]
[8] Boone EL、Merrick JRW、Krachey MJ。MCMC诊断的Hellinger距离法。J统计计算模拟。2014;84(4):833-849. doi:10.1080/00949655.2012.729588[Taylor&Francis Online]，[Web of Science®]，[Google学者]·兹比尔1453.62050
[9] Hjorth U，Vadeby A.子样本分布距离和MCMC收敛性。Scand J统计。2005;32:313-326. doi:10.1111/j.1467-9469.2005.00424.x[Crossref]，[Web of Science®]，[Google学者]·Zbl 1091.65010号
[10] Yu B.基于马尔可夫采样器估计核估计的L1误差。加州大学伯克利分校：1994（技术报告）。[谷歌学者]
[11] 布鲁克斯SP，罗伯茨GO。马尔可夫链的收敛性评估技术蒙特卡罗。统计计算。1998;8(4):319-335. doi:10.1023/A:1008820505350[Crossref]，[Web of Science®]，[Google学者]
[12] Silverman BW。统计和数据分析的密度估计。伦敦：查普曼和霍尔；1986.【Crossref】，【谷歌学者】·Zbl 0617.62042号
[13] Azzalini A，Menardi G.通过非参数密度估计进行聚类：R包pdfCluster。J统计软件。2014;57(11):1-26. doi:10.18637/jss.v057.i11[Crossref]，[PubMed]，[Web of Science®]，[Google学者]·Zbl 1322.62175号
[14] Peltonen J，Venna J，Kaski S.评估马尔可夫链蒙特卡罗模拟收敛和混合的可视化。计算统计数据分析。2009;53(12):4453-4470. doi:10.1016/j.csda.2009.07.001[Crossref]，[Web of Science®]，[Google学者]·Zbl 1453.62175号
[15] Hahn T.古巴——一个用于多维数值积分的图书馆。计算物理通信2005；168(2):78-95. doi:10.1016/j.cpc.2005.01.010[Crossref]，[Web of Science®]，[Google学者]·Zbl 1196.65052号
[16] Bouvier A，Kiu K.R2cuba：多维数值积分；2015; r包版本1.1-0。[谷歌学者]
[17] Johnson SG，Narasimhan B.cubature:超立方体上的自适应多元积分；2013年；r包版本1.1-2。[谷歌学者]
[18] Leman SC、Chen Y、Lavine M.多集取样器。J Amer统计协会，2009年；104(487):1029-1041. doi:10.1198/jasa.2009.tm08047[Taylor&Francis Online]，[Web of Science®]，[Google学者]·Zbl 1388.60133号
[19] Scheidegger A.adaptemcmc：通用自适应蒙特卡罗马尔可夫链采样器的实现；2012年；r软件包版本1.1。[谷歌学者]
[20] Hijmans RJ、Phillips S、Leathwick J等，《物种分布模型》；2016; r包版本1.0-15。[谷歌学者]
[21] Martin AD、Quinn KM、Park JH。MCMCpack:R.J Statist Softw中的马尔可夫链蒙特卡罗。2011;42(9):22. doi:10.18637/jss.v042.i09[Crossref]，[Web of Science®]，[Google学者]
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。