Je suis un profane de statistiques, après avoir lu le blog et des exemples sur les algorithmes Metropolis-Hastings MCCM, ici j'ai une question:Comment algorithme métropole-hesting assurent des échantillons obéir à une distribution postérieure inconnue
Dans le MH algorithmes, un nouvel échantillon (disons, x ') soit accepté dépend de la "probabilité d'acceptation", alpha = min (1, A), où A = p (x') q (x | x ')/[p (x) q (x '| x)]. La question vient d'ici, puisque nous ne connaissons pas la forme de distribution intéressée p (x), comment calculons-nous la probabilité d'acceptation, qui contient p (x ') et p (x)? Ou en d'autres termes: comment l'algorithme metropolis-hesting garantit-il que les échantillons obéissent à une distribution postérieure inconnue? Je suis un débutant, s'il vous plaît donnez-moi quelques conseils.
après plus de lecture, je pense que P (x) est la distribution a priori à la place du complexe postérieur complexe inconnu, de sorte qu'il rende le calcul de alpha. Mais si je suis triste avant, comment savons-nous que le postérieur (x ') = P (x') * Q (x | x ') est le postérieur droit que nous cherchons, est-ce que cela dépend du choix de Q (x | x ')? – Mike