适应性顺序后验模拟器在大规模并行计算环境中的应用
摘要：在个别学者的能力范围内，大规模并行桌面计算已经可以修改后验模拟的环境，这在基本上可能是相当有优势的方式。但是，为了充分利用这些优势，我们需要符合并行计算环境的算法。顺序蒙特卡洛算法非常接近这个理想，而其他方法如马尔科夫链蒙特卡洛算法则不行。本文提出了一种适用于这种计算环境的顺序后验模拟器。该模拟器对研究人员的分析和编程需求较少，速度更快、更可靠、更完整，而且比传统的后验模拟器更加实用。本文通过扩展现有的顺序蒙特卡洛方法和理论，为适应大规模并行计算环境提供了详细且实用的顺序后验模拟的基础。本文提供了关于具体实施的详细建议，得出了一个只需要先验进行模拟以及先验和数据密度评估的算法，适用于经济学和金融领域的多个应用，代表了严谨的实证研究工作。该算法对病理性后验分布具有鲁棒性，生成准确的边际似然近似，并且与现有的标准误和相对数值效率方法相比具有内在的估计能力。本文最后给出了一个实证贝叶斯推断的应用，以说明这些模拟器的潜力。
作者：Garland Durham, John Geweke
论文ID：1304.4334
分类：Computation
分类简称：stat.CO
提交时间：2013-04-17