text stringlengths 0 1.95k |
|---|
,..., |
mx |
mx |
( |
) |
) |
) |
; |
, |
| |
| |
1 |
0 |
0 |
1 |
1 |
Если n велико, то результирующий набор значений |
, в |
совокупности будет совпадать с общим распределением p(x). Поскольку марковский |
процесс не может сразу стабилизироваться, то на практике некоторую часть случайных |
значений на начальных итерациях считают образцами для испытаний на "розжиг |
процесса" (brun-in), в окончательный набор не включают и используют лишь для оценки |
близости генерируемых значений к общему распределению. |
=x |
: |
i |
,..., |
,1 |
), |
= |
n |
x |
( |
i |
i |
x |
1 |
i |
m |
Генератор Гиббса применим, когда есть возможность сформировать выборки из |
полного условного распределения. В отличие от него алгоритм Метрополиса-Гастингса |
(Metropolis-Hastings MCMC sampler) используется, например, в случаях, когда точечные |
реализации распределений можно получать, задавая вектор искомых параметров F. В |
итерационном процессе участвует два распределения, одно из которых p является |
"априорным" (proposal), т.е. задающим амплитуду "скачков" F в зависимости от |
необходимой точности расчетов. Другое распределение L(F) – это целевое апостериорное |
распределение параметров, которое мы восстанавливаем в ходе имитаций. |
290 |
Алгоритм в общих чертах состоит из следующих шагов: |
° принимается конкретный вид пропорционирующего |
распределения p вероятностей перехода в цепи Маркова и |
определяется вид процедуры, возвращающей апостериорное |
распределение L(F) с учетом априорных вероятностей и |
функции правдоподобия; |
° инициируется начальный вектор параметров F0 и |
цепи Маркова |
исходные |
значения |
рассчитываются |
С1 Ü L(F0); |
° |
° |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.