nc2100 发表于 2013-10-26 10:35
另外,朱博士的paper里说文章用的是random walk MH抽样,但是程序里%标注的是Gibbs抽样,这个程序究竟是用 ...
您好,虽然是2013年的帖子了,但是我还是回复一下吧,最近刚好在研究这些,希望后来人看到了也能有启发,把这个帖子进行下去,是这样,在拟合马尔可夫机制转移模型参数的办法中,MCMC (马尔可夫链蒙特卡洛)是一种构建分布的分布抽样方法,是最初的一个数学方法,它由chapman-kologronvo equation为引理去一步步证明了它这种方法的可行性,并引申出来了detailed balance这一条定理。那么在这之后,MCMC它主要有两种具体的抽样算法(sampling algorithm)去实现它的分布抽样思想,第一种叫MH algorithm,它的全称是Mentroplis-Hastings sampling algorithm, 第二种便是Gibbs samping algorithm。这两种算法最大的不同便是他们各自针对的数据抽样的维度,第一种MH是针对一维数据采样去构建一个一维分布(如一维高斯分布)的,第二种Gibbs是针对多维数据去采样构建一个高维分布(如三维高斯分布)的,这两个算法都涉及到了接收率这个概念,具体的数学表达我就略过不说了,大家可以具体去查一查,现在的资料已经比较多了,那么在第一种方法MH里是存在接收率的,并且它有实际地产生作用,因为其接收率为0到1之间,但是在第二种方法Gibbs里的接收率,通过数学推导之后接收率被证明为1,也就意味着其接收率为100%,所以可以理解为第二种方法Gibbs不存在接收率了,因为采样都会被接收,因此从数学上来看,第二种方法Gibbs也是第一种方法MH的一个特殊化形式。