贝叶斯惩罚回归模型中Gibbs采样器的几何遍历性
统计理论
2017-07-05 v2 统计计算
统计理论
摘要
我们考虑三种贝叶斯惩罚回归模型，并证明无论回归问题的维数如何，相应的确定性扫描Gibbs采样器均是几何遍历的。我们证明了贝叶斯fused lasso、贝叶斯group lasso和贝叶斯sparse group lasso的Gibbs采样器的几何遍历性。几何遍历性连同矩条件使得马尔可夫链中心极限定理对于Monte Carlo平均值成立，并确保可靠的输出分析。我们的几何遍历性结果还允许我们为Gibbs采样器提供默认起始值。
引用
@article{arxiv.1609.04057,
title = {Geometric Ergodicity of Gibbs Samplers in Bayesian Penalized Regression Models},
author = {Dootika Vats},
journal= {arXiv preprint arXiv:1609.04057},
year = {2017}
}