通过有选择地繁殖先验样本评估后验分布
摘要：用马尔科夫链蒙特卡洛方法从后验分布中采样是贝叶斯数据分析能够实际应用的关键创新。然而，众所周知，MCMC很难调整，也很难诊断和并行化。这篇教学笔记探讨了一种基于非马尔科夫链蒙特卡洛方案的变体方法，用于从后验分布中采样。基本思想是从先验分布中抽取参数值，计算每个抽取的似然值，然后根据似然值的比例将该抽取复制多次。复制后的分布是对后验的近似，随着初始样本数量趋于无穷，逼近变得精确；这种近似的收敛性易于分析，并且在Glivenko-Cantelli类中是均匀的。虽然不完全实用，但这些方法易于实现（几行R代码），容易并行化，并且不需要拒绝、燃烧期、收敛诊断或任何控制设置的调整。我提供了解决一些实际障碍的先前研究的参考文献，但这些研究在计算和分析简单性方面付出了一定的代价。
作者：Cosma Rohilla Shalizi
论文ID：2203.09077
分类：Computation
分类简称：stat.CO
提交时间：2022-03-18