竞争采样器的蒙特卡洛收敛性
统计方法学
2015-02-18 v4
摘要
并行地对多个概率分布进行基于采样的统计推断往往是必要的。鉴于计算资源有限，本文探讨了如何在不同分布的采样器之间最优地分配采样工作量。形式化地处理这一决策问题既需要指定误差准则以评估每组样本对其底层分布的代表程度，也需要损失函数将误差组合为整体性能得分。针对第一部分，本文提出了一种基于 Jensen-Shannon 散度的新蒙特卡洛散度误差准则。利用信息论的结果，推导出了基于单次运行估计每个目标该准则的近似方法，从而能够在采样过程中做出自适应的样本量选择。
引用
@article{arxiv.1310.2534,
title = {Monte Carlo convergence of rival samplers},
author = {Nicholas Heard and Melissa Turcotte},
journal= {arXiv preprint arXiv:1310.2534},
year = {2015}
}