抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
著者らは,ランダムウォークメトロポリスとメトロポリス調整Langevinアルゴリズムのための縮小分散を有する推定子を構築する一般的フレームワークを導入した。得られた推定器は,無視できる計算コストを必要とし,メトロポリスアルゴリズムの全ての提案値を利用する後処理方式で導出される。Markov連鎖の目標密度に関連したPoisson方程式の近似解を通して,制御変量を生成することによって,分散低減を達成した。提案方法は,Gaussのターゲット密度を近似し,次にGaussケースに対するPoisson方程式の正確な解を利用する。これは,2つの重要な要素を使用する推定器をもたらす。(i)提案分布の下で扱い難い期待値を含むPoisson方程式からの制御変量,(ii)この後者の難治性期待値のモンテカルロ推定の分散を低減するための第二の制御変量。模擬データ例を用いて,Gaussターゲット事例で達成される印象的分散低減と,ターゲットGauss仮定が破られるときの対応する効果を説明した。Bayesロジスティック回帰と確率的ボラティリティモデルに関する実データ事例は,かなりの分散低減が無視できる余分な計算コストで達成されることを検証した。【JST・京大機械翻訳】