我需要进行仿真以评估3参数函数的积分,我们说,它的公式非常复杂。要求使用MCMC方法进行计算并实施Metropolis-Hastings算法以生成以分配的值,并建议使用3变量正态作为建议分布。阅读有关它的一些示例,我发现其中一些使用带有固定参数的法线一些使用具有可变均值,其中是最后接受的值根据分布。我对这两种方法都有疑问:
1)选择最后接受的值作为提案分配的新均值是什么意思?我的直觉说,它应该保证我们的值将更接近于分布的值,并且接受的机会会更大。但这不是集中我们太多的样本吗?是否可以保证,如果我得到更多的样本,链条将变得平稳?
2)不会选择固定参数(因为确实很难分析)真的很困难,并且依赖于第一个样本,我们需要选择启动算法?在这种情况下,找到哪种更好的最佳方法是什么?
这些方法中的一种是否比另一种更好?或者这取决于具体情况?
我希望我的疑惑是明确的,如果能提供一些文献,我会很高兴(我读过一些有关该主题的论文,但是更好的是!)
提前致谢!