s******a
发帖数: 184 | 1 请问Markov Chain Monte Carlo和 Monte Carlo根本性的区别是什么？ 比如说两种方
法都可以用来estimate integral。 如何确定应该使用何种方法呢？ | w**********y
发帖数: 1691 | 2 简单的说,如果你知道一个Y的distribution是个很好(?)的distribution,你知道很多直
接的间接的方法去generator这个random variable,这就是monte carlo了.但是:
1. 很多distribution是不能找到好的generator的.
2.特别对于high dimension的random variable/joint density,更加无法做simulation
.这种情况是现实问题中最常见的.也是建模最需要的..
而针对这两种情况,1的解决办法就有MCMC里面的Metropolis–Hastings. 而2的解决办
法就是MCMC里面常用的Gibbs Sampling. | w**********y
发帖数: 1691 | 3 本质都是随机抽样,大样本去近似估计以关心的统计量.
区别是如何做随机抽样. MC不能做的,就用MCMC了.
MCMC在统计领域火了这么久,就是因为你可以随便做非常复杂的model,基于MCMC都能给
estimation/model calibration..(但是对错不保证.哈哈) | s******a
发帖数: 184 | 4 非常感谢你的回答。
关于“很多distribution是不能找到好的generator的.”比如说normal distribution,
在R 或Matlab 里都有现成的函数，这是不是可以理解为可以找到好的generator？
simulation
【在 w**********y 的大作中提到】
: 简单的说,如果你知道一个Y的distribution是个很好(?)的distribution,你知道很多直
: 接的间接的方法去generator这个random variable,这就是monte carlo了.但是:
: 1. 很多distribution是不能找到好的generator的.
: 2.特别对于high dimension的random variable/joint density,更加无法做simulation
: .这种情况是现实问题中最常见的.也是建模最需要的..
: 而针对这两种情况,1的解决办法就有MCMC里面的Metropolis–Hastings. 而2的解决办
: 法就是MCMC里面常用的Gibbs Sampling.
| f***a
发帖数: 329 | 5 是的，有现成的当然用现成的。MCMC是搞那些根本无法直接generate的distribution.
btw, gibbs sampling is a special case of M-H.
distribution,
【在 s******a 的大作中提到】
: 非常感谢你的回答。
: 关于“很多distribution是不能找到好的generator的.”比如说normal distribution,
: 在R 或Matlab 里都有现成的函数，这是不是可以理解为可以找到好的generator？
:
: simulation
|
|
