| |  Online-Ressource |
|---|
| Verfasst von: | Lykkegaard, Mikkel [VerfasserIn]  |
|---|
| | Dodwell, Tim J. [VerfasserIn] |
|---|
| | Fox, Colin [VerfasserIn] |
|---|
| | Mingas, Grigorios [VerfasserIn] |
|---|
| | Scheichl, Robert [VerfasserIn] |
|---|
| Titel: | Multilevel delayed acceptance MCMC |
|---|
| Verf.angabe: | Mikkel B. Lykkegaard, Tim J. Dodwell, Colin Fox, Grigorios Mingas, Robert Scheichl |
|---|
| Ausgabe: | Version v3 |
|---|
| E-Jahr: | 2022 |
|---|
| Jahr: | 30 Aug 2022 |
|---|
| Umfang: | 29 S. |
|---|
| Illustrationen: | Illustrationen |
|---|
| Fussnoten: | Online veröffentlicht am 8. Februar 2022, Version 2 am 23. August 2022, Version 3 am 30. August 2022. Erscheinungsdatum laut PDF: 5. September 2022 ; Gesehen am 12.10.2022 |
|---|
| Titel Quelle: | Enthalten in: De.arxiv.org |
|---|
| Ort Quelle: | [Erscheinungsort nicht ermittelbar] : Arxiv.org, 1991 |
|---|
| Jahr Quelle: | 2021 |
|---|
| Band/Heft Quelle: | (2021), Artikel-ID 2202.03876, Seite 1-29 |
|---|
| Abstract: | We develop a novel Markov chain Monte Carlo (MCMC) method that exploits a hierarchy of models of increasing complexity to efficiently generate samples from an unnormalized target distribution. Broadly, the method rewrites the Multilevel MCMC approach of Dodwell et al. (2015) in terms of the Delayed Acceptance (DA) MCMC of Christen & Fox (2005). In particular, DA is extended to use a hierarchy of models of arbitrary depth, and allow subchains of arbitrary length. We show that the algorithm satisfies detailed balance, hence is ergodic for the target distribution. Furthermore, multilevel variance reduction is derived that exploits the multiple levels and subchains, and an adaptive multilevel correction to coarse-level biases is developed. Three numerical examples of Bayesian inverse problems are presented that demonstrate the advantages of these novel methods. The software and examples are available in PyMC3. |
|---|
| DOI: | doi:10.48550/arXiv.2202.03876 |
|---|
| URL: | Bitte beachten Sie: Dies ist ein Bibliographieeintrag. Ein Volltextzugriff für Mitglieder der Universität besteht hier nur, falls für die entsprechende Zeitschrift/den entsprechenden Sammelband ein Abonnement besteht oder es sich um einen OpenAccess-Titel handelt.
kostenfrei: Volltext: https://doi.org/10.48550/arXiv.2202.03876 |
|---|
| | kostenfrei: Volltext: http://arxiv.org/abs/2202.03876 |
|---|
| | DOI: https://doi.org/10.48550/arXiv.2202.03876 |
|---|
| Datenträger: | Online-Ressource |
|---|
| Sprache: | eng |
|---|
| Sach-SW: | 62F15, 62M05, 65C05, 65C40 |
|---|
| | Statistics - Computation |
|---|
| | Statistics - Methodology |
|---|
| K10plus-PPN: | 1818782006 |
|---|
| Verknüpfungen: | → Sammelwerk |
|---|
Multilevel delayed acceptance MCMC / Lykkegaard, Mikkel [VerfasserIn]; 30 Aug 2022 (Online-Ressource)
