В вычислительной статистике, обратимое скачкообразное цепь Маркова Монте - Карло является расширением стандартной цепи Маркова Монте - Карло методологии (MCMC) , что позволяет моделирование в задней распределения на пространствах различной размерности . [1] Таким образом, моделирование возможно, даже если количество параметров в модели неизвестно.
Позволять
- индикатор модели и пространство параметров, количество измерений которого зависит от модели . Обозначение модели не обязательно должно быть конечным . Стационарное распределение - это совместное апостериорное распределение значений .
Предложение может быть построено с отображением из и , где нарисован от случайной составляющей с плотностью на . Таким образом, переход в состояние можно сформулировать как
Функция
должен быть один к одному, дифференцируемым и иметь ненулевой носитель:
так что существует обратная функция
что дифференцируемо. Следовательно, и должны быть одинаковой размерности, что имеет место, если критерий размерности
встречается где размер . Это называется сопоставлением размеров .
Если тогда условие размерного согласования можно свести к
с участием
Вероятность принятия будет выражена как
где обозначает абсолютное значение, а - совместная апостериорная вероятность
где - нормирующая постоянная.
Пакеты программного обеспечения [ править ]
Существует экспериментальный инструмент RJ-MCMC, доступный для пакета BUGs с открытым исходным кодом .
Система вероятностного программирования Gen автоматизирует вычисление вероятности приема для определяемых пользователем ядер MCMC с обратимым скачком как часть своей функции Involution MCMC .
Ссылки [ править ]
- Перейти ↑ Green, PJ (1995). "Вычисление методом Монте-Карло цепи Маркова с обратимым скачком и определение байесовской модели". Биометрика . 82 (4): 711–732. CiteSeerX 10.1.1.407.8942 . DOI : 10.1093 / Biomet / 82.4.711 . JSTOR 2337340 . Руководство по ремонту 1380810 . CS1 maint: discouraged parameter (link)