PofoliaPofolia ile paylaşıldı

Bayesian Analysis· 2020Q1

MCMC Yakınsaması İçin İyileştirilmiş Rˆ Tanılayıcısı

Rank-Normalization, Folding, and Localization: An Improved Rˆ for Assessing Convergence of MCMC (with Discussion)

Aki Vehtari, Andrew Gelman, Daniel Simpson, Bob Carpenter ve diğerleri

Kısa özet

Geleneksel Gelman-Rubin Rˆ'nin kusurlarını gideren yeni bir sıra tabanlı tanılayıcı olan Rˆ, ağır kuyruklu veya zincirler arası değişen varyans durumlarında bile Markov zinciri Monte Carlo (MCMC) yakınsamasını doğru bir şekilde değerlendirir.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Ana noktalar

  • Geleneksel Gelman-Rubin Rˆ tanılayıcısı, ağır kuyruklu MCMC veya değişen varyanslarla başarısız olur.
  • Bu yakınsama değerlendirme başarısızlıklarını gidermek için yeni bir sıra tabanlı tanılayıcı olan Rˆ önerilmektedir.
  • Makale, kuantil tabanlı yerel verimlilik ölçümleri ve Monte Carlo hata tahmini yöntemleri sunmaktadır.
  • Çoklu zincirlerden elde edilen sıra grafikleri, yaygın iz grafiklerinin yerine önerilmektedir.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Özet (abstract)

Markov chain Monte Carlo is a key computational tool in Bayesian statistics, but it can be challenging to monitor the convergence of an iterative stochastic algorithm. In this paper we show that the convergence diagnostic Rˆ of Gelman and Rubin (1992) has serious flaws. Traditional Rˆ will fail to correctly diagnose convergence failures when the chain has a heavy tail or when the variance varies across the chains. In this paper we propose an alternative rank-based diagnostic that fixes these problems. We also introduce a collection of quantile-based local efficiency measures, along with a practical approach for computing Monte Carlo error estimates for quantiles. We suggest that common trace plots should be replaced with rank plots from multiple chains. Finally, we give recommendations for how these methods should be used in practice.

Yazarların özeti; kaynağından alınmıştır. Bayesian Analysis, 2020 · DOI ↗

ÇıkarımlarPremium
Makaleye SorÜcretsiz hesapla

Ücretsiz hesapla devam et

Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.

Web'de ücretsiz devam et

Google ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.

Telefonda:

Google Play'den indir App Store'dan indir

Benzer makaleler

Alan: İstatistik ve Olasılık

Statistics and ProbabilityMathematics