MCMC方法及在貝葉斯統(tǒng)計中的應用.pdf

1、在統(tǒng)計應用中，通常會遇到計算積分的情形，尤其在計算高維積分的情況下，應用傳統(tǒng)的方法是難以解決高維積分。隨著計算機的應用越來越廣泛，可以利用計算機產(chǎn)生一系列隨機數(shù)的方法解決一些高維積分的難題。
　　 本文重點介紹了馬氏鏈的概念和用馬氏鏈蒙特卡洛方法對貝葉斯估計中的條件分布進行近似抽樣，這一結果實際上使得貝葉斯方法從一種理論方法變成了實用的方法。主要從以下幾個方面描述，首先介紹一般的貝葉斯方法，利用貝葉斯統(tǒng)計思想對本文進行展開，得出

2、一系列有用的結果。第二章主要介紹了幾種隨機變量的計算機模擬，由此產(chǎn)生的隨機數(shù)將會給第三章的隨機數(shù)的選取一定程度上提供方便，很容易產(chǎn)生一組滿足條件的隨機數(shù)。第三章首先通過構造獨立同分布的靜態(tài)的蒙特卡洛方法來解決一般的積分形式I（），然而我們會經(jīng)常遇到用分析的方法難以解決的積分，尤其在高維情況下的積分問題，用一般的貝葉斯方法難以解決，由此引入了MCMC方法，也即動態(tài)的蒙特卡洛方法，用馬氏鏈的方法來解決高維積分問題，此方法的關鍵是尋找一個平穩(wěn)