Ich habe versucht, MCMC-Methoden zu erlernen und bin auf Stichproben von Metropolis Hastings, Gibbs, Wichtigkeit und Ablehnung gestoßen. Während einige dieser Unterschiede offensichtlich sind, dh wie Gibbs ein Sonderfall von Metropolis Hastings ist, wenn wir die vollständigen Bedingungen haben, sind die anderen weniger offensichtlich, wenn wir MH in einem Gibbs-Sampler usw. verwenden möchten einfache Möglichkeit, den Großteil der Unterschiede zwischen diesen beiden zu sehen? Vielen Dank!
mcmc
monte-carlo
gibbs
metropolis-hastings
importance-sampling
user1398057
quelle
quelle
Antworten:
Wie bereits in unserem Buch ausführlich mit George Casella, Monte Carlo statistischen Methoden werden diese Verfahren zur Herstellung von Proben aus einer bestimmten Verteilung verwendet wird , mit der Dichte sagen wir, entweder eine Vorstellung über diese Verteilung zu bekommen, oder eine Integration oder Optimierungsproblem im Zusammenhang zu lösen mit f . Zum Beispiel den Wert zu finden ∫ X h ( x ) f ( x ) d xf f oder die Art der Verteilung von h ( X ), wenn X ∼ f ( x ) oder ein Quantil dieser Verteilung ist.
Um die Monte-Carlo- und Markov-Ketten-Monte-Carlo-Methoden zu vergleichen, die Sie anhand relevanter Kriterien erwähnen, müssen Sie den Hintergrund des Problems und die Ziele des Simulationsexperiments festlegen, da die Vor- und Nachteile von Fall zu Fall unterschiedlich sind.
Hier einige allgemeine Bemerkungen , die die Komplexität des Problems mit Sicherheit nicht abdecken :
quelle
h(x)
konkreth(x)f(x)dx
in einem Bayes'schen Analyseszenario gemeint ist . Wir versuchen, den posterior zu bekommen, unter Berücksichtigung des Prior und der Daten. Es scheint jedoch, dass wir mit all diesen Stichprobenverfahren tatsächlich versuchen, uns anzunähernf(x)
. Kann man also sagen, dass diesf(x)
bereits der Posterior ist, den wir suchen, und dassh(x)
es sich nur um eine willkürliche Funktion handelt, die wir auch mit dem Posterior zusammenstellen könntenf(x)
? Oder habe ich es nicht richtig verstanden. Vielen Dank.