通过代理分布混合的贝叶斯因子蒙特卡洛近似
统计计算
2020-12-17 v2 统计方法学
摘要
通过将目标后验分布与归一化常数可处理的代理分布相混合，我们提出了一种利用 Wang-Landau 算法估计边际似然的方法。我们表明，所提方法可通过动量加速实现更快的收敛。详细给出了两种实现策略：(i) 通过多重尝试 Metropolis（Multiple-try Metropolis）促进后验分布与代理分布之间的全局跳跃；(ii) 通过变分近似构造代理分布。当难以获得代理分布时，我们描述了一种用于一般可逆跳跃马尔可夫链蒙特卡洛算法的新跳跃机制，该机制结合了多重尝试 Metropolis 与一种方向采样算法。我们在若干统计模型上展示了所提方法，包括对数高斯 Cox 过程、贝叶斯 Lasso、逻辑回归以及 g-先验贝叶斯变量选择。
引用
@article{arxiv.1909.05922,
title = {Monte Carlo Approximation of Bayes Factors via Mixing with Surrogate Distributions},
author = {Chenguang Dai and Jun S. Liu},
journal= {arXiv preprint arXiv:1909.05922},
year = {2020}
}