gpt4 book ai didi

algorithm - metropolis-hesting算法如何保证样本服从未知后验分布

转载 作者:塔克拉玛干 更新时间:2023-11-03 03:56:27 24 4
gpt4 key购买 nike

我是一个统计学外行,在阅读了一些关于 Metropolis-Hastings MCMC 算法的博客和示例之后,我有一个问题:

在M-H算法中,一个新样本(比如,x')是否被接受取决于“接受概率”,alpha = min(1,A),其中A = p(x')q(x|x')/[p(x)q(x'|x)]。

问题就出在这里,因为我们不知道兴趣分布p(x)的形式,我们如何计算包含p(x')和p(x)的接受概率?

或者换句话说:metropolis-hesting 算法如何确保样本服从未知的后验分布。我是新手,请多多指教。

最佳答案

这是来自 https://en.wikipedia.org/wiki/Metropolis%E2%80%93Hastings_algorithm 的一段文字

f(x) 应仅与密度成正比而不是完全等于密度这一宽松要求使得 Metropolis–Hastings 算法特别有用,因为在实践中计算必要的归一化因子通常非常困难。(结束引用)

所以你的 p(x) 应该是 x 在目标分布下的概率乘以某个未知常数因子。这种 p(x) 的一个示例是当您对已知分布施加约束时。在这种情况下,你不知道 p(x),但你知道 p(x) * K 对于一些未知的 K,所以你仍然可以计算 p(x)/p(x') = (p(x) * K )/(p(x') * K).

假设你想模拟分布在一个圆内的点,但你不知道圆周率的值,所以你无法计算出圆的面积。然后,您可以使 p(x) 成为单位正方形上的均匀分布,点 <= 与 (0.5, 0.5) 的距离为 0.5,其他地方为 0。这为您提供了一个 p(x),其积分不是 1,而是 Pi/4,您不知道,因此它不是适当的概率分布,但它是常数因子的一倍。

关于algorithm - metropolis-hesting算法如何保证样本服从未知后验分布,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43037365/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com