利用确定性近似加速序贯蒙特卡洛后验采样
统计方法学
2017-07-26 v1 应用统计
摘要
序贯蒙特卡洛已成为复杂模型贝叶斯推断的标准工具。这种方法可能计算量很大，尤其是从先验分布初始化时。另一方面，后验分布的确定性近似通常可用，但缺乏理论保证。我们提出了一种桥接采样方案，从后验分布的这样一个确定性近似出发，目标为真实后验。由此产生的缩短桥接采样器（SBS）依赖于一个以自适应方式确定的分布序列。我们通过大规模模拟研究展示了该方法的稳健性和效率。当应用于网络数据集时，SBS 推断得出的统计结论与标准变分贝叶斯近似所提供的结论不同。
引用
@article{arxiv.1707.07971,
title = {Using deterministic approximations to accelerate SMC for posterior sampling},
author = {Sophie Donnet and Stéphane Robin},
journal= {arXiv preprint arXiv:1707.07971},
year = {2017}
}