高维重尾目标概率分布下马尔可夫链蒙特卡洛的高效策略
统计方法学
2014-12-22 v1
摘要
本文旨在介绍一种新的马尔可夫链蒙特卡洛方法，并通过模拟和高维渐近理论展示其效率。关键事实在于，我们的算法具有可逆的提议转移核，其设计旨在拥有重尾不变概率分布。针对一类重尾目标概率分布研究了高维渐近理论。当状态空间的维数趋于无穷大时，我们将证明我们的算法比预条件 Crank-Nicolson (pCN) 算法和随机游走 Metropolis (RWM) 算法具有更好的收敛速率。我们还表明，对于轻尾目标概率分布，我们的算法至少与 pCN 算法相当，且优于 RWM 算法。
引用
@article{arxiv.1412.6231,
title = {Efficient strategy for the Markov chain Monte Carlo in high-dimension with heavy-tailed target probability distribution},
author = {Kengo Kamatani},
journal= {arXiv preprint arXiv:1412.6231},
year = {2014}
}
备注
30pages, 17 figures