1. 引言

之前介绍的MCMC算法都具有一般性和通用性（这里指Metropolis-Hasting 算法），但也存在一些特殊的依赖于仿真分布特征的MCMC方法。在介绍这一类算法（指Gibbs sampling）之前，本节将介绍一种特殊的MCMC算法。我们重新考虑了仿真的理论基础，建立了Slice Sampler。

考虑到[MCSM]伪随机数和伪随机数生成器中提到的产生服从f(x)密度分布随机数等价于在子图f上产生均匀分布，即

类似笔记“[MCSM] Metropolis-Hastings 算法”（文章还没写好），考虑采用马尔可夫链的稳态分布来等价上的均匀分布，以此作为f分布的近似。很自然的想法是采用随机行走（random walk）。这样得到的稳态分布是在集合上的均匀分布。

2. 2D slice sample

有很多方法实现在集合上的"random walk"，最简单的就是一次改变一个方向上的取值，每个方向的改变交替进行，由此得到的算法是 2D slice sampler

在第t次迭代中，执行

2. ，其中

举例

其中，是归一化因子，代码如下，第一幅图是前10个点的变化轨迹，第二幅图表明初始点的选取影响不大

% p324
T = 0:10000;
T = T/10000;
% N(3,1)
y = exp(-(T+3).^2/2);
plot(T,y);
hold on;
x = 0.25;
u = rand *(exp(-(x+3).^2/2));
x_s = [x];
u_s = [u];
for k = 1:10;limit = -3 + sqrt(-2*log(u));limit = min([limit 1]);x = rand * limit;x_s = [x_s x];u_s = [u_s u];u = rand *(exp(-(x+3).^2/2));x_s = [x_s x];u_s = [u_s u];
end
plot(x_s,u_s,'-*');
hold off;%%
x = 0.01;
u = 0.01;
x_s = [x];
u_s = [u];
for k = 1:50;limit = -3 + sqrt(-2*log(u));limit = min([limit 1]);x = rand * limit;x_s = [x_s x];u_s = [u_s u];u = rand *(exp(-(x+3).^2/2));x_s = [x_s x];u_s = [u_s u];
end
figure;
subplot(1,3,1);
plot(x_s,u_s,'*');hold on;plot(T,y);
x = 0.99;
u = 0.0001;
x_s = [x];
u_s = [u];
for k = 1:50;limit = -3 + sqrt(-2*log(u));limit = min([limit 1]);x = rand * limit;x_s = [x_s x];u_s = [u_s u];u = rand *(exp(-(x+3).^2/2));x_s = [x_s x];u_s = [u_s u];
end
subplot(1,3,2);
plot(x_s,u_s,'*');hold on;plot(T,y);
x = 0.25;
u = 0.0025;
x_s = [x];
u_s = [u];
for k = 1:50;limit = -3 + sqrt(-2*log(u));limit = min([limit 1]);x = rand * limit;x_s = [x_s x];u_s = [u_s u];u = rand *(exp(-(x+3).^2/2));x_s = [x_s x];u_s = [u_s u];
end
subplot(1,3,3);
plot(x_s,u_s,'*');hold on;plot(T,y);

View Code

3. General Slice Sampler

有时候面临的概率密度函数不会那么简单，此时面临的困难主要在于无法在第二次更新的时候找到集合的范围。但有时我们可以将概率密度函数分解为多个较为简单的函数之积，即

Slice Sampler

2. ，其中

看着挺高级好用的，实际上也只是能用的，一是本身就很难求，第二是即使求出来了，这个满足均匀分布的变量也很难得到，比如说书上的例子（Example 8.3）

很自然的分成了

但是集合完全没有办法用，求其中一个，然后拒绝不满足要求的看起来是可行的，但是效率实在是太低了（效率低实际上是我写错了，实际上还可以）

代码如下（代码是MATLAB的，画出来的图不好看，这个图是作者的R代码画出来的）

x = 0;
u1 = rand*(1+sin(3*x)^2);
u2 = rand*(1+cos(5*x)^4);
u3 = rand*(exp(-x^2/2));
x_s = zeros(1,10000);
for k = 1:10000limit = sqrt(-2*log(u3));x = -limit + 2*limit*rand;while((sin(3*x))^2<u1-1 || (cos(5*x))^4<u2-1)x = -limit + 2*limit*rand;endu1 = rand*(1+sin(3*x)^2);u2 = rand*(1+cos(5*x)^4);u3 = rand*(exp(-x^2/2));x_s(k) = x;
end
hist(x_s,100);

View Code

4. 收敛性

不会

转载于:https://www.cnblogs.com/sea-wind/p/4531623.html

[MCSM] Slice Sampler相关推荐

【ML】Markov Chain Monte Carlo(MCMC)---Slice sampler(切片采样）和Hierarchical Models(层次模型)
导航 Slice sampler 2D slice sample General Slice Sampler Hierarchical models python Code download Refe ...
贝叶斯集锦：从MC、MC到MCMC
转载自: #####一份草稿贝叶斯计算基础一.从MC.MC到MCMC 斯坦福统计学教授Persi Diaconis是一位传奇式的人物.Diaconis14岁就成了一名魔术师,为了看懂数学家Fell ...
Markov Chain Monte Carlo
转载至https://zhuanlan.zhihu.com/p/25610149 [数据分析] Markov Chain Monte Carlo Markov Chain Monte Carlo简称M ...
MCMC: Metropolis-Hastings, Gibbs and slice sampling
从标题中即已看出,Metropolis-Hastings.Gibbs and slice sampling是MCMC(基于马尔科夫链的蒙特卡洛采样算法)的变体及改进算法. With MCMC, we ...
Rocksdb Slice使用中的一个小坑
本文记录一下使用Rocksdb Slice过程中的一个小小坑,差点没一口老血吐出来. rocksdb的Slice 数据结构是一个小型得不可变类string数据结构,设计出来的目的是为了保证rocksd ...
【Go】Go基础（六）：数组、切片slice、映射map
1.数组 1.1 数组定义数组:数组是具有相同唯一类型的一组已编号且长度固定的数据项序列. 数组长度必须是一个常量表达式,并且必须是一个非负整数.数组长度也是数组类型的一部分,所以[5]int和 ...
【GoLang】深入理解slice len cap什么算法？参数传递有啥蹊跷？
先上结论 1.内置append函数在现有数组的长度 < 1024 时 cap 增长是翻倍的,再往上的增长率则是 1.25,至于为何后面会说. 2.Go语言中channel,slice,map这三 ...
Jmeter调试工具---Debug Sampler
使用场景:脚本开发是,调试用(正式测试时需删除),Debug Sampler会把我们自定义的变量输出在response data中使用设置:JMeter properties和System prop ...
static slice是什么呢?
参考:Computing Static Slice for Java Programs - 百度学术 Slicing is an analysis technique that reduces pro ...

[MCSM] Slice Sampler

1. 引言

2. 2D slice sample

3. General Slice Sampler

4. 收敛性

[MCSM] Slice Sampler相关推荐

最新文章

热门文章