1. ค่าประมาณความน่าจะเป็นและค่าเฉลี่ยฮาร์มอนิก
โอกาสร่อแร่จะถูกกำหนดเป็นค่าคงที่ normalizing ของการกระจายหลัง
p(x)=∫Θp(x|θ)p(θ)dθ.
ความสำคัญของปริมาณนี้มาจากบทบาทในการเปรียบเทียบรูปแบบผ่านปัจจัย Bayes
มีการเสนอวิธีการหลายวิธีเพื่อประมาณปริมาณนี้ Raftery และคณะ (2007)เสนอตัวประมาณค่าเฉลี่ยฮาร์มอนิกซึ่งได้รับความนิยมอย่างรวดเร็วเนื่องจากความเรียบง่าย แนวคิดประกอบด้วยการใช้ความสัมพันธ์
1p ( x )= ∫Θp ( θ | x )p ( x | θ )dθ
ดังนั้นหากเรามีตัวอย่างจากคนหลังให้พูดปริมาณนี้สามารถประมาณได้โดย( θ1, . . . , θยังไม่มีข้อความ)
1p ( x )≈ 1ยังไม่มีข้อความΣj = 1ยังไม่มีข้อความ1p ( x | θJ).
ประมาณนี้จะเกี่ยวข้องกับแนวคิดของการสุ่มตัวอย่างสำคัญ
ตามกฎหมายจำนวนมากตามที่กล่าวไว้ในโอนีลบล็อกเรามีที่ประมาณการนี้อยู่ที่สอดคล้องกัน ปัญหาคือว่าจำเป็นสำหรับการประมาณที่ดีสามารถมีขนาดใหญ่มาก ดูบล็อกของ Neal หรือบล็อกของ Robert 1 , 2 , 3 , 4สำหรับตัวอย่างยังไม่มีข้อความ
ทางเลือก
มีหลายทางเลือกสำหรับการใกล้เคียงกับที่มีx}) Chopin และ Robert (2008)นำเสนอวิธีการสุ่มตัวอย่างตามความสำคัญp ( x )
2. ไม่ใช้งานตัวอย่าง MCMC ของคุณนานพอ (โดยเฉพาะเมื่อมี multimodality)
Mendoza และ Gutierrez-Peña (1999)อนุมานการอ้างอิงก่อน / หลังสำหรับอัตราส่วนของสองวิธีปกติและนำเสนอตัวอย่างของการอนุมานที่ได้รับกับรุ่นนี้โดยใช้ชุดข้อมูลจริง โดยใช้วิธีการ MCMC พวกเขาได้รับตัวอย่างขนาดของอัตราส่วนท้ายของค่าเฉลี่ยของวิธีซึ่งแสดงด้านล่างφ2000φ
และรับช่วง HPD สำหรับ( 0.63 , 5.29 ) หลังจากการวิเคราะห์การแสดงออกของการแจกแจงหลังมันเป็นเรื่องง่ายที่จะเห็นว่ามันมีความแปลกประหลาดที่ 0และหลังควรมีลักษณะเช่นนี้จริง ๆ (หมายเหตุความแปลกประหลาดที่ 0 )φ ( 0.63 , 5.29 )00
ซึ่งสามารถตรวจพบได้เฉพาะเมื่อคุณเรียกใช้ตัวอย่าง MCMC ของคุณนานพอหรือใช้วิธีการปรับตัว HPD ที่ได้รับด้วยหนึ่งในวิธีการต่อไปนี้คือตามที่ได้รายงานไปแล้ว ความยาวของช่วงเวลา HPD เพิ่มขึ้นอย่างมีนัยสำคัญซึ่งมีนัยสำคัญเมื่อเปรียบเทียบกับความยาวของวิธีการแบบดั้งเดิม / แบบดั้งเดิม( 0 , 7.25 )
3. ปัญหาอื่น ๆ บางอย่างเช่นการประเมินการลู่เข้าการเลือกค่าเริ่มต้นพฤติกรรมที่ไม่ดีของโซ่สามารถพบได้ในการสนทนานี้โดย Gelman, Carlin และ Neal
4. การสุ่มตัวอย่างความสำคัญ
ก.
ผม= ∫ฉ( x ) dx = ∫ฉ( x )ก.( x )ก.( x ) dx .
ก.( x1, . . . , xยังไม่มีข้อความ)ผม
ผม≈ 1ยังไม่มีข้อความΣj = 1ยังไม่มีข้อความฉ( xJ)ก.( xJ).
ก.ฉยังไม่มีข้อความ
# Integrating a Student's t with 1 d.f. using a normal importance function
x1 = rnorm(10000000) # N=10,000,000
mean(dt(x1,df=1)/dnorm(x1))
# Now using a Student's t with 2 d.f. function
x2 = rt(1000,df=2)
mean(dt(x2,df=1)/dt(x2,df=2))