A method for efficiently sampling from distributions with correlated dimensions.
A method for efficiently sampling from distributions with correlated dimensions.
复制标题
DOI：
10.1037/a0032222
复制
发表时间：
2013-09
影响因子：
7
通讯作者：
Steyvers, Mark
中科院分区：
文献类型：
--
作者：
Turner, Brandon M.;Sederberg, Per B.;Brown, Scott D.;Steyvers, Mark
关键词：
贝叶斯估计在理解个体差异方面发挥了关键作用。然而，对于心理学中的许多模型，模型参数的贝叶斯估计可能是困难的。这种困难的一个原因是，传统的采样算法，如马尔可夫链蒙特卡罗（MCMC），可以是低效和不切实际的，当很少知道的目标分布，特别是目标分布的协方差结构。在这篇文章中，我们强调了这种效率低下的一些原因，并主张使用人口MCMC算法，称为差分进化马尔可夫链蒙特卡罗（DE-MCMC），作为一种有效的建议生成的手段。我们在一个模拟研究中表明，DE-MCMC算法的性能是不受影响的目标分布的相关性，而传统的MCMC执行大幅恶化的相关性增加。然后，我们表明，DE-MCMC算法可以用来有效地适应分层版本的线性弹道累加器模型的响应时间数据，这已被证明是一个困难的任务时，使用传统的MCMC。
Bayesian estimation has played a pivotal role in the understanding of individual differences. However, for many models in psychology, Bayesian estimation of model parameters can be difficult. One reason for this difficulty is that conventional sampling algorithms, such as Markov chain Monte Carlo (MCMC), can be inefficient and impractical when little is known about the target distribution—particularly the target distribution’s covariance structure. In this article, we highlight some reasons for this inefficiency and advocate the use of a population MCMC algorithm, called differential evolution Markov chain Monte Carlo (DE-MCMC), as a means of efficient proposal generation. We demonstrate in a simulation study that the performance of the DE-MCMC algorithm is unaffected by the correlation of the target distribution, whereas conventional MCMC performs substantially worse as the correlation increases. We then show that the DE-MCMC algorithm can be used to efficiently fit a hierarchical version of the linear ballistic accumulator model to response time data, which has proven to be a difficult task when conventional MCMC is used.
登录
查看更多内容
影响因子：
7
作者：
McArdle, John J.;Grimm, Kevin J.;Hamagami, Fumiaki;Bowles, Ryan P.;Meredith, William
通讯作者：
Meredith, William
影响因子：
7
作者：
Klugkist, Irene;Laudy, Olav;Hoijtink, Herbert
通讯作者：
Hoijtink, Herbert
影响因子：
7
作者：
Entink, Rinke H. Klein;Hornke, Lutz F.;Fox, Jean-Paul
通讯作者：
Fox, Jean-Paul
影响因子：
5.4
作者：
Brown, S;Heathcote, A
通讯作者：
Heathcote, A
DOI：
10.1073/pnas.0805903105
发表时间：
2008-11-11
影响因子：
11.1
作者：
Forstmann, Birte U.;Dutilh, Gilles;Wagenmaker, Eric-Jan
通讯作者：
Wagenmaker, Eric-Jan