服从二次正态分布的多元正态分布样本


Answers:


12

要正式解决此问题,首先需要对

“分布受的约束 ”Nd(μ,Σ)||x||2=1

自然的方法是在条件下定义。并将此条件应用于案例。如果我们使用极坐标, 变换的雅可比式为 因此条件分布的密度XNd(μ,Σ)||X||=ϱϱ=1

x1=ϱcos(θ1)θ1[0,π]x2=ϱsin(θ1)cos(θ2)θ2[0,π]xd1=ϱ(i=1d2sin(θi))cos(θd1)θd1[0,2π]xd=ϱi=1d1sin(θi)
ϱd1i=1d2sin(θi)d1i
θ=(θ1,,θd1)给定为 ϱ
f(θ|ϱ)exp12{(x(θ,ϱ)μ)TΣ1(x(θ,ϱ)μ)}i=1d2sin(θi)d1i

结论:由于雅可比关系,此密度不同于仅将法线密度应用于单位球面上的点。

第二步是考虑目标密度 并设计马尔可夫链蒙特卡洛算法来探索参数空间。我的第一个尝试是在Gibbs采样器上进行的,该采样器在球体上最接近(即处初始化。,并以“大都市中的吉布斯”方式一次旋转一个角度:

f(θ|ϱ=1)exp12{(x(θ,1)μ)TΣ1(x(θ,1)μ)}i=1d2sin(θi)d1i
[0,π]d2×[0,2π]μμ/||μ||
  1. 生成(计算总和取模)并以概率 elseθ1(t+1)U([θ1(t)δ1,θ1(t)+δ1])π
    f(θ1(t+1),θ2(t),...|ϱ=1)f(θ1(t),θ2(t),...|ϱ=1)1
    θ1(t+1)=θ1(t)
  2. 生成(计算总和取模)并以概率接受此新值 elseθ2(t+1)U([θ2(t)δ2,θ2(t)+δ2])π
    f(θ1(t+1),θ2(t+1),θ3(t),...|ϱ=1)f(θ1(t+1),θ2(t),θ3(t),...|ϱ=1)1
    θ2(t+1)=θ2(t)
  3. 生成(总和以模进行计算),并以概率 其他θd1(t+1)U([θd1(t)δd1,θd1(t)+δd1])2π
    f(θ1(t+1),θ2(t+1),...,θd1(t+1)|ϱ=1)f(θ1(t+1),θ2(t+1),...,θd1(t)|ϱ=1)1
    θd1(t+1)=θd1(t)

比例尺,,,可以根据步骤的接受率进行缩放,以达到的理想目标。δ1δ2δd150%

这是一个R代码来说明上述内容,其中和默认值为:μΣ

library(mvtnorm)
d=4
target=function(the,mu=1:d,sigma=diag(1/(1:d))){
 carte=cos(the[1])
 for (i in 2:(d-1))
  carte=c(carte,prod(sin(the[1:(i-1)]))*cos(the[i]))
 carte=c(carte,prod(sin(the[1:(d-1)])))
 prod(sin(the)^((d-2):0))*dmvnorm(carte,mean=mu,sigma=sigma)}
#Gibbs
T=1e4
#starting point
mu=(1:d)
mup=mu/sqrt(sum(mu^2))
mut=acos(mup[1])
for (i in 2:(d-1))
  mut=c(mut,acos(mup[i]/prod(sin(mut))))
thes=matrix(mut,nrow=T,ncol=d-1,byrow=TRUE)
delta=rep(pi/2,d-1)     #scale
past=target(thes[1,])   #current target
for (t in 2:T){
 thes[t,]=thes[t-1,]
 for (j in 1:(d-1)){
   prop=thes[t,]
   prop[j]=prop[j]+runif(1,-delta[j],delta[j])
   prop[j]=prop[j]%%(2*pi-(j<d-1)*pi)
   prof=target(prop)
   if (runif(1)<prof/past){
     past=prof;thes[t,]=prop}
   }
}

-3

||x||22=1严格不可能,因为是(连续)随机变量。如果您希望方差为1,即(其中波浪号表示我们估计方差),那么您需要将其方差设为。但是,此需求可能与冲突。也就是说,要获得具有这种方差的样本,您需要的对角线等于。xE[(xμ)2]=~1n(xμ)2=1n||xn||22=1n1nΣΣ1n

要从总体上以这种分布为样本,可以生成iid标准法线,然后乘以(平方根),然后添加均值。Σ0.5Σμ


感谢您的答复。我能想到的一种会产生我想要的(但效率不高)的方法是拒绝采样。因此,并非没有可能。但我正在寻找一种有效的方法。
索比,2015年
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.