球坑算法：一种基于路径积分的马尔可夫链蒙特卡罗方法
统计方法学
2021-11-09 v1 统计理论
统计理论
摘要
球坑算法（BPA）是一种新颖的马尔可夫链蒙特卡罗（MCMC）算法，用于从马尔可夫链贝叶斯分析的路径积分表述出发采样边际后验分布。在采样来自伯努利和泊松似然的模拟数据后验分布时，BPA给出了与自适应No U-Turn采样器（NUTS）实现的哈密顿蒙特卡罗相当的结果。BPA的一个主要优势是其显著更低的计算时间，在单参数模型分析中测得比NUTS至少快95%。BPA还被应用于一个多参数柯西模型，使用交叉受精与自受精植物高度差的真实数据。位置参数的后验中位数与其他贝叶斯采样方法一致。此外，由BPA得到的尺度参数对数的后验中位数接近使用拉普拉斯正态近似估计的后验中位数。柯西分析的BPA实现计算时间比NUTS快55%。总体而言，我们发现BPA是哈密顿蒙特卡罗及其他标准MCMC方法的高效替代方案。
引用
@article{arxiv.2111.03691,
title = {The Ball Pit Algorithm: A Markov Chain Monte Carlo Method Based on Path Integrals},
author = {Miguel Fudolig and Reka Howard},
journal= {arXiv preprint arXiv:2111.03691},
year = {2021}
}