Losowy spacer Metropolis-Hasitings z symetryczną propozycją
ma tę właściwość, że prawdopodobieństwo przyjęcia
nie zależy od propozycji .
Czy to oznacza, że mogę zmienić w zależności od poprzedniego działania łańcucha, bez wpływu na markovianity łańcucha?
Szczególnie interesujące jest dla mnie dostosowanie skalowania propozycji Normalnej jako funkcji wskaźnika akceptacji.
Byłby również bardzo wdzięczny, gdyby ktoś mógł wskazać algorytmy adaptacyjne stosowane w praktyce dla tego rodzaju problemu.
Wielkie dzięki.
[edytuj: Na podstawie referencji podanych przez robertsy i wok znalazłem następujące referencje na temat algorytmów adaptacyjnych MH:
Andrieu, Christophe i Éric Moulines. 2006.
O właściwościach ergodyczności niektórych adaptacyjnych algorytmów MCMC. The Annals of Applied Probability 16, no. 3: 1462–1505. http://www.jstor.org/stable/25442804 .
Andrieu, Christophe i Johannes Thoms.
2008. Samouczek na temat adaptacyjnego MCMC. Statystyka i informatyka 18, no. 4 (12): 343–373. doi: 10.1007 / s11222-008-9110-y. http://www.springerlink.com/content/979087678366r78v/ .
Atchadé, Y., G. Fort, E. Moulines i P. Priouret. 2009.
Adaptacyjny łańcuch Markowa Monte Carlo: teoria i metody. Przedruk
Atchadé, Yves. 2010.
Ograniczenia twierdzeń dla niektórych adaptacyjnych algorytmów MCMC z jądrem subgeometrycznym. Bernoulli 16, no. 1 (luty): 116-154. doi: 10.3150 / 09-BEJ199. http://projecteuclid.org/DPubS?verb=Display&version=1.0&service=UI&handle=euclid.bj/1265984706&page=record .
Cappé, O., S. J Godsill i E. Moulines. 2007.
Przegląd istniejących metod i najnowszych osiągnięć w sekwencyjnym Monte Carlo. Postępowanie IEEE 95, nr. 5: 899–924.
Giordani, Paolo. 2010.
Adaptacyjna niezależna metropolia – Hastings poprzez szybkie oszacowanie mieszanin normalnych. Journal of Computational and Graphical Statistics 19, no. 2 (6): 243–259. doi: 10.1198 / jcgs.2009.07174. http://pubs.amstat.org/doi/abs/10.1198/jcgs.2009.07174 .
Łatuszyński, Krzysztof, Gareth O Roberts i Jeffrey S. Rosenthal. 2011.
Adaptacyjne próbniki Gibbsa i powiązane metody MCMC. 1101.5838 (30 stycznia). http://arxiv.org/abs/1101.5838 .
Pasarica, C. i A. Gelman. 2009.
Adaptacyjne skalowanie algorytmu Metropolis przy użyciu oczekiwanej kwadratowej odległości skoku. Statistica Sinica.
Roberts, Gareth O. 2009.
Przykłady Adaptive MCMC. Journal of Computational and Graphical Statistics 18, no. 2 (6): 349–367. doi: 10.1198 / jcgs.2009.06134. http://pubs.amstat.org/doi/abs/10.1198/jcgs.2009.06134 .
]