Saya telah mencoba mempelajari metode MCMC dan telah menemukan Metropolis Hastings, Gibbs, Importance, dan Rejection sampling. Sementara beberapa perbedaan ini jelas, yaitu, bagaimana Gibbs adalah kasus khusus dari Metropolis Hastings ketika kita memiliki persyaratan penuh, yang lain kurang jelas, seperti ketika kita ingin menggunakan MH dalam sampler Gibbs, dll. Adakah yang punya cara sederhana untuk melihat sebagian besar perbedaan antara masing-masing? Terima kasih!
mcmc
monte-carlo
gibbs
metropolis-hastings
importance-sampling
pengguna1398057
sumber
sumber
Jawaban:
Seperti yang dijelaskan dalam buku kami dengan George Casella, metode statistik Monte Carlo , metode ini digunakan untuk sampel produk dari distribusi yang diberikan, dengan kepadatan katakanlah, baik untuk mendapatkan ide tentang distribusi ini, atau untuk memecahkan masalah integrasi atau optimasi terkait dengan f . Misalnya, untuk menemukan nilai ∫ X h ( x ) f ( x ) d xf f atau mode distribusi h ( X ) ketika X ∼ f ( x ) atau kuantil dari distribusi ini.
Untuk membandingkan rantai Monte Carlo dan Markov metode Monte Carlo yang Anda sebutkan pada kriteria yang relevan membutuhkan satu untuk mengatur latar belakang masalah dan tujuan percobaan simulasi, karena pro dan kontra masing-masing akan bervariasi dari kasus ke kasus.
Berikut adalah beberapa pernyataan umum yang pasti tidak mencakup kompleksitas masalah :
sumber
h(x)
artinya secara konkreth(x)f(x)dx
, dalam skenario analisis Bayesian. Kami berusaha mendapatkan posterior, mengingat data sebelumnya dan data. Namun, tampaknya dengan semua metode pengambilan sampel ini, kami sebenarnya mencoba memperkirakanf(x)
. Jadi dapatkah dikatakan bahwaf(x)
itu sudah merupakan posterior yang kita cari, danh(x)
apakah hanya fungsi sewenang-wenang yang mungkin juga kita kumpulkan bersama dengan posteriorf(x)
? Atau apakah saya tidak memahaminya dengan benar. Terima kasih.