关于使用马尔可夫链蒙特卡洛方法对混合模型进行采样
统计计算
2014-04-04 v1
摘要
本文研究了不同数据增强型马尔可夫链蒙特卡洛算法在对包含离散及连续随机变量的混合模型进行采样时的渐近性质。我们特别关注在给定离散分量条件下对连续分量的条件分布进行采样不可行的情况。在此背景下，我们将 Carlin & Chib 的伪先验方法置于混合模型的框架中，并讨论和比较了该方案的不同变体。我们提出了一种新算法，即 FCC 采样器，其计算需求低于任何经过 Metropolis 调整的 Carlin & Chib 型算法。然而，计算效率的显著提升是以一定的渐近方差为代价的。我们利用 [3] 中关于根据两个不同的可逆马尔可夫转移核交替演化的非齐次马尔可夫链的最新结果，从理论上以及数值上调查了该算法相对于其他方案的性能。
引用
@article{arxiv.1404.0880,
title = {On the use of Markov chain Monte Carlo methods for the sampling of mixture models},
author = {Randal Douc and Florian Maire and Jimmy Olsson},
journal= {arXiv preprint arXiv:1404.0880},
year = {2014}
}