Đây là một nỗ lực mà tôi đã không hoàn toàn thực hiện được, nhưng quá lâu cho phần bình luận. Nó có thể hữu ích để đặt nó ở đây như là một thay thế cơ bản khác cho rất thấp . Nó không yêu cầu phân biệt rõ ràng + MCMC (nhưng nó thực hiện phân biệt số, không có MCMC).k
Thuật toán
Đối với nhỏ :ε > 0
- Vẽ . Điều này có thể dễ dàng thực hiện bằng cách vẽ η ~ Uniform [ 0 , 1 ] và tính toán C - 1 1 ( η ) (trong đó, nếu bất cứ điều gì, có thể dễ dàng thực hiện bằng số). Đây là một trận hòa từ pdf biên u 1 ~ κ (bạn1∼ C1≡ C( U1= bạn1, U2= 1 , ... , Uk= 1 )η~ Uniform [ 0 , 1 ]C- 11( η) .bạn1∼ κ ( bạn1)
- Đối với j = 2 ... k
- CO(2j-1)CD ( ε ) j D ( ε ) j εuju1,...,uj-1
D( ε )j( bạnj| bạn1, ... , uj - 1) ≡Pr ( u1- ε2≤ U1≤ u1+ ε2∧ ⋯ ∧ uj - 1- ε2≤ Uj - 1≤ uj - 1+ ε2∧ Uj≤ uj∧ Uj + 1≤ 1 ⋯ ∧ Uk≤ 1 ) ,
CÔi ( 2j - 1)CD( ε )jD( ε )jεbạnjbạn1, ... , uj - 1
- Vẽ theo điểm 1, một lần nữa sẽ dễ dàng thực hiện với đảo ngược số.bạnj∼ D( ε )j( bạnj| bạn1, ... , uj - 1)
Thảo luận
Thuật toán này sẽ tạo các mẫu iid từ một -appro xấp xỉ của , trong đó chỉ phụ thuộc vào độ chính xác của số. Có các kỹ thuật thực tế để tinh chỉnh xấp xỉ và làm cho nó ổn định về số lượng.εC( bạn1, ... , uk)ε
Vấn đề rõ ràng là độ phức tạp tính toán quy mô như , vì vậy, để nói một cách rộng rãi, điều này không chung chung về mặt (nhưng ví dụ bạn liên kết có , vì vậy có lẽ phương pháp này là không hoàn toàn vô dụng - Tôi không quen thuộc với kịch bản điển hình trong đó bạn sẽ có quyền truy cập vào cdf). Mặt khác, đối với các phân phối có chiều rất thấp, nó có thể hoạt động và chi phí được bù bởi thực tế là, không giống như giải pháp chung khác về "phân biệt + MCMC", không cần tính toán các dẫn xuất, các mẫu là iid và ở đó không điều chỉnh (bỏ qua sự lựa chọn củaÔi ( 2k)kk = 3ε, chỉ nên là một cái gì đó hơi chính xác trên máy). Và có lẽ có nhiều cách để làm điều này tốt hơn cách tiếp cận ngây thơ.
Như tôi đã đề cập, đây là trên đỉnh đầu của tôi vì vậy có thể có vấn đề khác.