×
梅勒内·贝达德;马泰·米鲁塔

关于本地MCMC算法与提案池的经验效率。 （英语。法语摘要） Zbl 1281.65002号

可以。J.统计。 第4期第41页，第657-678页（2013年）.
摘要：为了改进Metropolis算法，已经提出了各种涉及提案池的马尔可夫链蒙特卡罗（MCMC）方法，例如多重Metropoli和延迟拒绝策略。这些方法在一次迭代中生成多个候选；因此，它们的计算量比Metropolis算法更大。在本文中，我们考虑了三个具有建议池的采样器——多重Metropolis算法、多重Metroporis点击运行算法和带有对偶建议的延迟拒绝Metropoli斯算法，并研究了这些方法在不同环境中的净性能。为了进行公平的比较，研究是在每个取样器的最佳混合条件下进行的。这些算法用于贝叶斯逻辑回归、线性回归模型推断、高维层次模型和双峰分布。

引用于2文件

MSC公司：

65二氧化碳 蒙特卡罗方法
65立方厘米 马尔可夫链的数值分析或方法
60J22型 马尔可夫链中的计算方法
62J02型 一般非线性回归

关键词：

计算成本;相关提案;延迟拒绝策略;多重算法;回归，回归;数值示例;Metropolis算法;马尔可夫链蒙特卡罗方法;贝叶斯逻辑回归;线性回归
PDF格式BibTeX公司 XML格式引用
\加拿大，textit{M.Bedard}和\textit{M.Mireuta}。J.Stat.41，No.4，657--678（2013；Zbl 1281.65002）
全文： 内政部

参考文献：

[1] Bédard，M.Douc，R.Moulines，E.2013延迟排斥MCMC方法的标度分析。应用概率的方法与计算·Zbl 1323.65001号 ·doi:10.1007/s11009-013-9326-y
[2] Bédard，多重MCMC方法的标度分析，随机过程及其应用122（3）pp 758–（2012）·Zbl 1239.60075号 ·doi:10.1016/j.spa.2011.11.004
[3] Bédard，《关于方向调整的Metropolis-Hastings算法》，《国际统计科学杂志》9，第33页–（2009年）
[4] 贝达德，《大都会算法的最优尺度：走向一般目标分布》，《加拿大统计杂志》36（4），第483页–（2008）·Zbl 1167.60344号 ·doi:10.1002/cjs.5550360401
[5] Brazzale，《应用渐近：小样本统计案例研究》（2007年）·Zbl 1152.62077号 ·doi:10.1017/CBO9780511611131
[6] 卡萨林（Casarin），《与不同提案分布交互的多次尝试算法》，《统计与计算》23（2），第185页–（2013）·Zbl 1322.65003号 ·doi:10.1007/s11222-011-9301-9
[7] 考克斯，《应用统计学：原理与实例》（1981年）·兹比尔0612.62002
[8] Craiu，使用对偶和分层抽样加速多重都市算法，《统计与计算》17（2），第109页–（2007）·doi:10.1007/s11222-006-9009-4
[9] Dellaportas，《使用MCMC的贝叶斯模型和变量选择》，《统计与计算》12（1），第27页–（2002）·Zbl 1247.62086号 ·doi:10.1023/A:1013164120801
[10] Frenkel，《研究连续可变形分子结构和热性质的新方案》，《物理学杂志：凝聚物质4（12）pp 3053–（1992）》·doi:10.1088/0953-8984/4/12/006
[11] Frenkel，理解分子模拟（1996）
[12] 绿色，可逆跳跃中的延迟拒绝Metropolis-Hastings，Biometrika 88（4）pp 1035–（2001）·Zbl 1099.60508号 ·doi:10.1093/biomet/88.4.1035
[13] Haario，DRAM：高效自适应MCMC，《统计与计算》16页339–（2006）·doi:10.1007/s11222-006-9438-0
[14] Haario，自适应大都会算法，Bernoulli 7（2）pp 223–（2001）·Zbl 0989.65004号 ·doi:10.2307/3318737
[15] 黑斯廷斯，使用马尔可夫链的蒙特卡罗采样方法及其应用，《生物特征识别》57第97页–（1970）·Zbl 0219.65008号 ·doi:10.1093/biomet/57.1.97
[16] Jasra，《关于基于人口的静态推理模拟》，《统计与计算》17（3），第263页–（2007）·doi:10.1007/s11222-007-9028-9
[17] Liu，《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 pp 121–（2000）·Zbl 1072.65505号 ·doi:10.1080/01621459.2000.10473908
[18] Mattingly，《高维随机游走都市的扩散极限》，《应用概率年鉴》22，第881页–（2012）·Zbl 1254.60081号 ·doi:10.1214/10-AAP754
[19] Mira，《关于具有延迟拒绝的Metropolis-Hastings算法》，Metron 59，第231页–（2001）·Zbl 0998.65502号
[20] Mira，《排序和改进蒙特卡洛-马尔可夫链的性能》，《统计科学》16（4），第340页–（2001）·Zbl 1127.60312号 ·doi:10.1214/ss/1015346319
[21] Mira，加快马尔可夫链蒙特卡罗算法的新策略，统计方法与应用12（1），第49页–（2003）·Zbl 1064.65003号 ·doi:10.1007/BF0211583文件
[22] Pasarica，《使用预期平方跳跃距离自适应缩放Metropolis算法》，《中国统计》第20卷第343页–（2010年）·Zbl 1186.62038号
[23] Robert，《使用自排空粒子过滤器进行采样：弹球采样器》，《贝叶斯统计》第7卷第277页–（2003年）
[24] Roberts，各种Metropolis-Hastings算法的最佳缩放，《统计科学》16（4），第351页–（2001）·Zbl 1127.65305号 ·doi:10.1214/s/1015346320
[25] Roberts，自适应MCMC的例子，《计算与图形统计学杂志》第18（2）页349–（2009）·doi:10.1198/jcgs.2009.06134
[26] 罗伯茨，随机游走大都会算法的弱收敛性和最优缩放，应用概率年鉴7，第110页–（1997）·Zbl 0876.60015号 ·doi:10.1214/aoap/1034625254
[27] Tan，Monte Carlo积分与接受-拒绝，《计算与图形统计杂志》15（3），第735页–（2006）·doi:10.1198/106186006X142681
[28] 蒂尔尼，贝叶斯推断的一些自适应蒙特卡罗方法，《医学统计学》18页2507–（1999）·doi:10.1002/（SICI）1097-0258（19990915/30）18:17/18<2507:：AID-SIM272>3.0.CO；2-J型
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。