Bayes统计学与MCMC方法——Metropolis-Hastings(M-H)算法的Matlab程序实现

• 作者: 方苇 杨超 谢力 陈梦成
• 来源期刊: 华东交通大学学报
• 学科: 社会科学
• 关键词: Bayes MCMC M-H法 Matlab程序
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 特约文章
• 页码范围: 1-8
• 页数: 8页
• 分类号: C829.29
• 字数: 5410字
• 语种: 中文

摘要

Bayes统计学能够从空中楼阁的理论广泛地落地于自然科学、经济学和社会学等领域,得益于计算机技术和马尔可夫链蒙特卡洛(Markov chain Monte Carlo,简称MCMC)法的发展.文章介绍了 MCMC 方法在 Bayes 推断中的应用,主要讨论了MCMC方法中的独立抽样和随机游走抽样的Metropolis-Hastings(M-H)算法,利用可读性较强的Matlab程序来实现两种抽样算法,并给出了详细的程序实施过程,分析了两种抽样的优缺点.模拟分析结果表明:独立抽样M-H算法比较容易实施,但是要求建议分布和后验分布的吻合度较高,否则计算效率低下,而且模拟效果不理想;随机游走抽样的M-H算法不需要建议分布接近后验分布,模拟效果也比较好,因此,克服了独立抽样算法的不足,适用范围更广.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨超	华东交通大学土木建筑学院	64	691	14.0	25.0
2	陈梦成	华东交通大学土木建筑学院	194	1101	15.0	21.0
3	谢力	华东交通大学土木建筑学院	25	188	9.0	13.0
4	方苇	华东交通大学土木建筑学院	8	37	4.0	6.0