INLA还是MCMC？log-Gaussian Cox过程中空间预测的教程和比较评估
摘要：贝叶斯推断中的空间log-Gaussian Cox过程的研究：Markov链蒙特卡洛(MCMC)和综合嵌套Laplace近似(INLA)的两种选项。我们首先描述了通过在离散格点上的高斯马尔可夫随机场来近似空间连续高斯场的方法，并通过模拟研究展示了在选择参数值时，小邻域尺寸可以得到很好的近似效果。然后，我们介绍了空间log-Gaussian Cox过程，并描述了在该模型类中进行空间预测的MCMC和INLA方法。我们报告了一项模拟研究的结果，在该研究中，我们比较了MALA和通过将连续潜变量近似为离散潜变量，然后通过INLA进行近似贝叶斯推断的技术在18个模拟场景中的表现。结果质疑了后者在该设置中显著快速且更稳健的观点；MALA算法在桌面电脑上运行20分钟的100,000迭代次数提供了比默认verb=INLA=策略更准确的预测结果，后者运行4分钟，并与完整Laplace近似的39分钟运行时间相近的性能。
作者：Benjamin M. Taylor and Peter J. Diggle
论文ID：1202.1738
分类：Computation
分类简称：stat.CO
提交时间：2012-03-20