R语言MCMC:Metropolis-Hastings采样在贝叶斯回归估计中应用，如何改写为长尾关键词？

本文共计3391个文字，预计阅读时间需要14分钟。

MCMC是一种从复杂概率模型中采样通用技术。包括蒙特卡洛、马尔可夫链、Metropolis-Hastings算法等。问题：若需要计算具有复杂后验pdf（θ|y）的随机变量θ的函数f（θ）的均值或期望值，您可能需要使用MCMC方法。

MCMC是从复杂概率模型中采样的通用技术。

1. 蒙特卡洛
2. 马尔可夫链
3. Metropolis-Hastings算法。

问题

如果需要计算有复杂后验pdf p（θ| y）的随机变量θ的函数f（θ）的平均值或期望值。

您可能需要计算后验概率分布p（θ）的最大值。

解决期望值的一种方法是从p（θ）绘制N个随机样本，当N足够大时，我们可以通过以下公式逼近期望值或最大值

将相同的策略应用于通过从p（θ| y）采样并取样本集中的最大值来找到argmaxp（θ| y）。

相关视频

---

解决方法

1.1直接模拟

1.2逆CDF

1.3拒绝/接受抽样

如果我们不知道精确/标准化的pdf或非常复杂，则MCMC会派上用场。