Efficient Algorithms for Generating Truncated Multivariate Normal Distributions

    在线阅读 下载PDF 导出详情
    摘要 从截断的multivariate正常分布(TMVND)的采样组成在适合统计的许多和econometric的计算模块建模的核心。我们建议二个有效方法,一个反复的数据扩大(DA)算法和非反复的逆Bayes公式(IBF)刺绣花样,模仿TMVND并且与线性不平等限制概括他们到multivariate正常分布。由创造贝叶斯的不完全数据的结构,DA算法的以后的步直接产生随机的向量与单个元素对比绘画绘画,产生明显的计算优点并且与象S加,MATLAB和高斯那样的普通统计软件包裹的容易的编码。而且,DA为实现一个快他们算法识别TMVND的模式提供准备好了的结构,它在抑制参数问题的统计推理有许多潜在的应用程序。另外,作为中间的结果利用这个模式,IBF采样提供一种新奇选择给吉布斯采样并且由于在TMVND的部件之间的高关联与集中和可能的慢集中消除问题。DA算法与抑制参数被用于一个线性回归模型并且与一个出版数据集合被说明。数字比较证明建议DA算法和IBF刺绣花样比吉布斯刺绣花样和接受拒绝算法更有效。
    机构地区 不详
    出版日期 2011年04月14日(中国Betway体育网页登陆平台首次上网日期,不代表论文的发表时间)
    Baidu
    map