Anladığım kadarıyla, Yaklaşık Bayessel Hesaplama (ABC) ve Markov Zinciri Monte Carlo'nun (MCMC) çok benzer amaçları var. Aşağıda bu yöntemleri ve bunların gerçek hayat verilerine uygulanmasındaki farklılıkları nasıl algıladığımı anlıyorum.
Yaklaşık Bayes Hesaplaması
ABC parametre örnekleme de oluşur yoluyla, bir önceki sayısal simülasyon işlem bir istatistik bazı gözlenen ile karşılaştırıldığında . Bir reddetme algoritmasına dayanarak, korunur veya reddedilir. Alıkonan s listesi posterior dağılımı yaptı.
Markov Zinciri Monte Carlo
MCMC, parametresinin önceden dağılımını örneklemekten oluşur . İlk örneği alır , ve ardından (bazı kurala göre) yeni bir değere , burada tekrar hesaplanır. Oranı hesaplanır ve bir eşik değerine bağlı olarak, bir sonraki atlama birinci veya ikinci konumdan meydana gelecektir. değerlerinin keşfi bir ve bir gider ve sonunda, korunan değerlerinin dağılımı arka dağılım P ( x o b s | θ 1 ) P ( θ 1 ) θ 2 P ( x o b s | θ 2 ) P ( θ 2 ) P ( x o b s | θ 2 ) P ( θ 2 ) (hala bilinmeyen bir nedenden dolayı).
Açıklamalarımın bu terimlerin her birinde (özellikle MCMC için) mevcut olan çeşitli yöntemleri temsil etmediğini fark ediyorum.
ABC - MCMC (Avantaj ve Dezavantajlar)
ABC, birinin yı analitik olarak çözmesi gerekmemesi avantajına sahiptir . Bu tür ABC, MCMC'nin bunu yapmayacağı karmaşık model için uygundur.
Ben ABC ile mümkün olduğunu düşünmüyorum MCMC istatistiksel testler (olasılık oranı testi, G-testi, ...) sağlar.
Şimdiye kadar haklı mıyım?
Soru
- ABC ve MCMC'nin uygulamalarında farkı nedir? Biri bir ya da başka bir yöntemi kullanmaya nasıl karar verir?