基于朗之万、哈密顿及其他矩阵分裂提议的MCMC的效率与可计算性
概率论
2015-01-15 v1 统计计算
摘要
我们分析了带有AR(1)过程提议的Metropolis-Hastings算法的计算效率。这些提议作为一个子类，包含了离散化朗之万扩散（如MALA）和离散化哈密顿动力学（如HMC）。通过纳入Metropolis-Hastings的影响，我们扩展了Fox和Parker的早期工作，他们使用矩阵分裂技术来分析针对高斯分布的AR(1)过程的性能并提高效率。我们的研究通过分析与非高斯目标的局部高斯近似相对应的精度矩阵的矩阵分裂，使得能够分析在Metropolis-Hastings算法中使用AR(1)过程提议从非高斯目标分布中抽取样本的MCMC方法。
引用
@article{arxiv.1501.03150,
title = {Efficiency and computability of MCMC with Langevin, Hamiltonian, and other matrix-splitting proposals},
author = {Richard A. Norton and Colin Fox},
journal= {arXiv preprint arXiv:1501.03150},
year = {2015}
}
备注
34 pages