粒子高效重要性抽样
摘要：高效重要性采样(EIS)方法是一种用于数字求解高维积分的通用原理，它利用目标积分的顺序结构来构建方差最小化的重要性采样器。尽管在高维度中有许多成功的应用，但众所周知，重要性采样策略在积分维数增加时会出现指数级增长的方差。我们通过认识到EIS框架具有离线顺序蒙特卡洛解释来解决这个问题。粒子EIS方法基于非标准重新采样权重，考虑了重要性采样器的前瞻构造。我们将该方法应用于一系列一元和二元随机波动率规范。我们还开发了一种新的将EIS方法应用于具有学生t状态创新的状态空间模型的方法。我们的结果表明，在高维度中，粒子EIS方法在似然函数求值方面明显优于标准EIS方法和粒子滤波器。此外，粒子EIS方法和粒子滤波器方法的方差比在时间序列维数增加时保持稳定。我们使用粒子边际Metropolis-Hastings和重要性采样平方算法来说明该方法在贝叶斯推理中的效率。
作者：Marcel Scharth and Robert Kohn
论文ID：1309.6745
分类：Computation
分类简称：stat.CO
提交时间：2013-09-27