近似贝叶斯计算的最优提议分布

Justin Alsing; Benjamin D. Wandelt; Stephen M. Feeney

近似贝叶斯计算的最优提议分布

统计理论 2018-08-21 v1 统计方法学统计理论

作者: Justin Alsing , Benjamin D. Wandelt , Stephen M. Feeney

摘要

我们利用序贯蒙特卡洛(SMC)(或总体蒙特卡洛，PMC)推导了近似贝叶斯计算(ABC)的最优提议密度。最优性准则是SMC/PMC-ABC采样器最大化每次参数提议的有效样本数。最优提议密度代表了在倾向于高接受率与降低被接受样本重要性权重方差之间的最优权衡。我们讨论了该提议的两种便利近似，并表明最优提议密度相较于ABC文献中常用的标准核，在期望采样效率上带来显著提升，尤其随着参数数量增加而更为明显。

关键词

近似贝叶斯计算最优提议序贯蒙特卡洛总体蒙特卡洛有效样本数重要性权重采样效率

引用

@article{arxiv.1808.06040,
  title  = {Optimal proposals for Approximate Bayesian Computation},
  author = {Justin Alsing and Benjamin D. Wandelt and Stephen M. Feeney},
  journal= {arXiv preprint arXiv:1808.06040},
  year   = {2018}
}

备注

14 pages, 6 figures

近似贝叶斯计算的最优提议分布

摘要

关键词

引用

备注

相关论文