情報科学 › 乱数と確率的数値計算 › Markov 連鎖 Monte Carlo

Metropolis–Hastings 型の連鎖と採択関数

定義 2.3(「Markov 連鎖 Monte Carlo」§2)

π\pi を SS 上の正の確率分布、QQ を SS 上の遷移行列(提案)とする。x≠yx \ne y、Q(x,y)>0Q(x,y) > 0 となる組について

r(x,y)=π(y)Q(y,x)π(x)Q(x,y)∈[0,∞)r(x, y) = \frac{\pi(y)Q(y,x)}{\pi(x)Q(x,y)} \in [0, \infty)

と置く。関数 a(x,y)∈[0,1]a(x,y) \in [0,1](採択関数)が、x≠yx \ne y なるすべての組で

π(x)Q(x,y) a(x,y)=π(y)Q(y,x) a(y,x)\pi(x)Q(x,y)\,a(x,y) = \pi(y)Q(y,x)\,a(y,x)

を満たすとき、遷移行列

Pa(x,y)=Q(x,y) a(x,y)(x≠y),Pa(x,x)=1−∑y≠xQ(x,y) a(x,y)P_a(x,y) = Q(x,y)\,a(x,y) \quad (x \ne y), \qquad P_a(x,x) = 1 - \sum_{y \ne x}Q(x,y)\,a(x,y)

を、提案 QQ と採択関数 aa による Metropolis–Hastings 型の連鎖という。「xx から Q(x,⋅)Q(x,\cdot) に従って yy を提案し、確率 a(x,y)a(x,y) で yy に移り、そうでなければ xx にとどまる」連鎖である。次の 2 つが代表的である。

  • Metropolis–Hastings の採択関数: aMH(x,y)=min⁡(1,r(x,y))a_{\mathrm{MH}}(x,y) = \min(1, r(x,y))。
  • Barker の採択関数: aB(x,y)=r(x,y)1+r(x,y)=π(y)Q(y,x)π(x)Q(x,y)+π(y)Q(y,x)a_{\mathrm{B}}(x,y) = \dfrac{r(x,y)}{1 + r(x,y)} = \dfrac{\pi(y)Q(y,x)}{\pi(x)Q(x,y) + \pi(y)Q(y,x)}。

(Q(x,y)=0Q(x,y) = 0 の組では a(x,y)a(x,y) の値は PaP_a に影響しない。)

本文で読む(前後の説明と例)→

閉包の状態

定義

定義は閉包の起点です(証明を要しません)。

印の意味: ✓公理まで証明済み ・ △証明あり(閉包未完)・ ※主張のみ。テーマごとの集計は 閉包の状況。

これを使っている定理

証明で明示的に参照している定理は、まだありません。

関連するノック 1 問