蒙特卡罗法(Monte Carlo method),也称为统计模拟方法(statistical simulation method),是通过从概率模型
的随机抽样进行近似数值计算的方法
马尔可夫链蒙特卡罗法(Markov Chain Monte Carlo,MCMC),则是以马尔可夫链(Markov chain)为概率模型的蒙特卡罗法
马尔可夫链蒙特卡罗法 构建 一个马尔可夫链,使其平稳分布就是要进行抽样的分布,首先基于该马尔可夫链进行随机游走,产生样本的序列,之后使用该平稳分布的样本进行近似数值计算
马尔可夫链蒙特卡罗法被应用于概率分布的估计、定积分的近似计算、最优化问题的近似求解等问题,特别是被应用于统计学习中概率模型的学习与推理,是重要的统计学习计算方法
抽样样本是独立
的,而马尔可夫链蒙特卡罗法
中的抽样样本不是独立的,样本序列形成马尔科夫链。性质:
定理:不可约且非周期的有限状态马尔可夫链,有唯一平稳分布存在
定理:不可约、非周期且正常返的马尔可夫链,有唯一平稳分布存在
常用的马尔可夫链蒙特卡罗法 有Metropolis-Hastings算法
、吉布斯抽样
。
马尔可夫链蒙特卡罗法的收敛性的判断通常是经验性的