基于Robbins-Monro过程的Metropolis-Hastings算法自适应最优缩放
统计方法学
2010-06-21 v1
摘要
我们提出了一种用于随机游走Metropolis-Hastings算法自动缩放的自适应方法，该方法能够快速且稳健地识别出使指定总体采样器接受概率成立的缩放因子。我们的方法依赖于Robbins-Monro搜索过程，其性能由一个未知的步长常数决定。对于单变量或多变量正态的提议分布，我们给出了该常数的一个非常简单的估计量，以及用于自动化该方法的采样算法。通过模拟和真实数据示例展示了该算法的有效性。该方法可作为更复杂的自适应马尔可夫链蒙特卡洛算法中的有用组件，或作为自动化软件包的一部分加以实现。
引用
@article{arxiv.1006.3690,
title = {Adaptive Optimal Scaling of Metropolis-Hastings Algorithms Using the Robbins-Monro Process},
author = {P. H. Garthwaite and Y. Fan and S. A. Sisson},
journal= {arXiv preprint arXiv:1006.3690},
year = {2010}
}