从EM到数据增广：20世纪80年代MCMC贝叶斯计算的出现
统计方法学
2011-04-13 v1
摘要
从Metropolis等人[J. Chem. Phys. 21 (1953) 1087--1092]的工作中已知，可以通过对一个平衡分布等于目标分布的马尔可夫链进行蒙特卡洛模拟来从该分布中抽样。然而，统计界花了数十年时间才将马尔可夫链蒙特卡洛（MCMC）作为贝叶斯推断中的通用计算工具。通常用来解释统计学家为何迟迟未采用该方法的理由包括计算能力不足以及对统计物理文献中早期动态蒙特卡洛论文的不熟悉。我们认为存在一个更深层的原因，即统计力学问题与标准统计文献中的问题结构不同。为了使这些方法可用于标准贝叶斯问题，必须利用通过引入精心选择的辅助变量和集体移动所带来的能力。本文考察了1980-1990年这一关键时期的发展，当时统计物理文献中的马尔可夫链模拟思想与最大似然计算中的潜变量公式（即EM算法）相结合，激发了MCMC方法在贝叶斯计算中的广泛应用。
引用
@article{arxiv.1104.2210,
title = {From EM to Data Augmentation: The Emergence of MCMC Bayesian Computation in the 1980s},
author = {Martin A. Tanner and Wing H. Wong},
journal= {arXiv preprint arXiv:1104.2210},
year = {2011}
}
备注
Published in at http://dx.doi.org/10.1214/10-STS341 the Statistical Science (http://www.imstat.org/sts/) by the Institute of Mathematical Statistics (http://www.imstat.org)