稳健的边际可能性MCMC估计器?


9

我正在尝试通过蒙特卡洛方法来计算统计模型的边际可能性:

f(x)=f(xθ)π(θ)dθ

可能性表现良好-平滑,对数凹入-但维数高。我已经尝试过重要性抽样,但是结果很奇怪,并且在很大程度上取决于我使用的建议。我简要地考虑了假设哈密顿量在前一个统一的基础上,进行哈密顿量计算θ并以谐波均值,直到我看到。经验教训,谐波均值可以具有无限方差。是否存在替代MCMC估算器,该估算器几乎一样简单,但具有良好的方差?


您还可以考虑先前的基本蒙特卡洛采样。 f(x)=Eπ(θ)(f(x|θ))
概率

1
那是一种可能的解决方案。在这种情况下,请记住,不再允许使用不合适的先验,并且具有广泛分布支持的先验可能会使蒙特卡洛近似变得困难。

1
有关这一问题的完整书籍是Chen,Shao和Ibrahim(2001)。您还可以搜索诸如嵌套采样,桥梁采样,防御性采样,粒子过滤器,Savage-Dickey之类的关键字。
2013年

Answers:


8

如何退火重要性抽样?它有很多比普通的重要性采样低方差。我已经看到它被称为“黄金标准”,并且实现起来并不比“正常”重要性抽样难得多。从某种意义上说,这是较慢的,您必须为每个样本进行一堆MCMC移动,但是每个样本的质量往往很高,因此在估算成立之前,您不需要那么多的移动。

另一个主要选择是顺序重要性抽样。我的感觉是,它的实现也相当简单,但是它需要对我缺乏的顺序蒙特卡洛(AKA粒子滤波)有所了解。

祝好运!

编辑添加:看起来像您链接到的Radford Neal博客文章还建议了退火重要性抽样。让我们知道它是否适合您。


2

可能有助于对边际分布计算有所了解。另外,我建议通过Friel和Pettitt引入的后代方法使用一种方法。尽管这种方法有一些局限性,但它似乎是很过时的。或者,您也可以按正态分布对后验分布进行拉普拉斯近似:如果MCMC的直方图看起来是对称且正态的,那么这可能是一个很好的近似。

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.