on a multivariate implementation of the gibbs sampler在一个多元吉布斯采样器的实现.pdfVIP

Note On a multivariate implementation of the Gibbs sampler LA García-Cortés, D Sorensen* National Institute of Animal Science, Research Center Foulum, PB 39, DK-8830 Tjele, Denmark (Received 2 August 1995; accepted 30 October 1995) Summary - It is well established that when the parameters in a model are correlated, the rate of convergence of Gibbs chains to the appropriate stationary distributions is faster and Monte-Carlo variances of features of these distributions are lower for a given chain length, when the Gibbs sampler is implemented by blocking the correlated parameters and sampling from the respective conditional posterior distributions takes place in a multivariate rather than in a scalar fashion. This block sampling strategy often requires knowledge of the inverse of large matrices. In this note a block sampling strategy is implemented which circumvents the use of these inverses. The algorithm applies in the context of the Gaussian model and is illustrated with a small simulated data set. Gibbs sampling / block sampling / Bayesian analysis Résumé - Une mise en oeuvre multivariate de l’échantillonnage de Gibbs. Il est bien établi que, lorsque les paramètres d’un modèle sont corrélés, l’estimation de ces paramètres par échantillonnage de Gibbs converge lentement lorsque les composantes du modèle sont traitées séparément. Mais, si l’échantillonnage de Gibbs est conduit en fixant des valeurs pour les paramètres corrélés et en échantillonnant dans les distributions conditionnelles respectives, la convergence est plus rapide et les variances de Monte-Carlo des des distributions sont diminuées une chaîne de donnée. caractéristiques