|
|
@@ -14,7 +14,7 @@ $$
|
|
|
\end{aligned}
|
|
|
\tag{1}
|
|
|
$$
|
|
|
-其中，$\pi$是一个是一个$n$维向量，代表维向量，代表$s_1,s_2,..,s_n$对应的概率。反过来，如果我们希望采样得到符合某个分布对应的概率。反过来，如果我们希望采样得到符合某个分布$\pi$的一系列变量的一系列变量$x_1,x_2,..,x_t$, 应当采用哪一个转移矩阵，应当采用哪一个转移矩阵$T(n\times n)$呢？
|
|
|
+其中，$\pi$是一个是一个$n$维向量，代表$s_1,s_2,..,s_n$对应的概率. 反过来，如果我们希望采样得到符合某个分布$\pi$的一系列变量$x_1,x_2,..,x_t$, 应当采用哪一个转移矩阵$T(n\times n)$呢？
|
|
|
|
|
|
事实上，转移矩阵只需要满足马尔可夫细致平稳条件
|
|
|
$$
|
|
|
@@ -41,7 +41,7 @@ A(x^* | x^{t-1}) = \min\left ( 1,\frac{p(x^*)Q(x^{t-1} | x^*) }{p(x^{t-1})Q(x^*
|
|
|
\tag{14.28}
|
|
|
$$
|
|
|
|
|
|
-[推导]：这个公式其实是拒绝采样的一个trick，因为基于式$14.27$只需要
|
|
|
+[推导]：这个公式其实是拒绝采样的一个trick，因为基于式$14.27$只需要
|
|
|
$$
|
|
|
\begin{aligned}
|
|
|
A(x^* | x^{t-1}) &= p(x^*)Q(x^{t-1} | x^*) \\
|
|
|
@@ -49,7 +49,7 @@ $$
|
|
|
\end{aligned}
|
|
|
\tag{4}
|
|
|
$$
|
|
|
-即可满足式$14.26$，但是实际上等号右边的数值可能比较小，比如各为0.1和0.2，那么好不容易才到的样本只有百分之十几得到利用，所以不妨将接受率设为0.5和1，则细致平稳分布条件依然满足，样本利用率大大提高。所以可以将$(4)$改进为
|
|
|
+即可满足式$14.26$，但是实际上等号右边的数值可能比较小，比如各为0.1和0.2，那么好不容易才到的样本只有百分之十几得到利用，所以不妨将接受率设为0.5和1，则细致平稳分布条件依然满足，样本利用率大大提高, 所以可以将$(4)$改进为
|
|
|
$$
|
|
|
\begin{aligned}
|
|
|
A(x^* | x^{t-1}) &= \frac{p(x^*)Q(x^{t-1} | x^*)}{norm} \\
|
Sharey