用非高斯拟合提升蒙特卡洛采样
宇宙学与河外天体物理
2020-08-19 v2 天体物理仪器与方法
数据分析、统计与概率
摘要
我们提出一种称为蒙特卡洛后验拟合的新方法，以提升似然（后验）函数的蒙特卡洛采样。其思想是用一个解析的多维非高斯拟合来近似后验函数。该拟合的许多自由参数可以通过比推导完整数值后验所需更小的采样获得。在我们所考虑的基于超新星和宇宙微波背景数据的例子中，我们发现达到可比精度所需采样比标准算法小一个数量级。该方法可应用于多种情形，并有望在所有采样非常耗时的案例中显著提升蒙特卡洛例程的性能。最后，它也可应用于 Fisher 矩阵预测，并有助于解决标准方法的各种局限性。
引用
@article{arxiv.2007.02615,
title = {Boosting MonteCarlo sampling with a non-Gaussian fit},
author = {Luca Amendola and Adrià Gómez-Valent},
journal= {arXiv preprint arXiv:2007.02615},
year = {2020}
}
备注
14 pages, 8 figures; References, comments, and appendix B added; The MCPostFit code can be found in: https://github.com/adriagova/MCPostFit