21 votos

¿Cómo podemos simular a partir de una mezcla geométrica?

Si$f_1,\ldots,f_k$ son densidades conocidas de las que puedo simular, es decir, para las que hay un algoritmo disponible. y si el producto$$\prod_{i=1}^k f_i(x)^{\alpha_i}\qquad \alpha_1,\ldots,\alpha_k>0$$ is integrable, is there a generic approach to simulate from this product density using the simulators from the $ f_i $ 's?

1 votos

(+10) ¡Correcto! Utilizando un $\alpha_i$ llevaría sin embargo a aplanar todos los elementos y, por tanto, a favorecer el solapamiento de sus apoyos efectivos...

1 votos

Como dijo whuber la estrechez será un problema, así que yo haría una transformación(O muestreo preferencial) para anular la estrechez antes de generar muestras aleatorias. Hay un enfoque constructivo creo que leí hace un tiempo. Sec 10.7 de link.springer.com/chapter/10.1007/978-1-4612-0209-7_10 No estoy seguro de si la discretización puede aplicarse también en este caso.

4voto

bheklilr Puntos 113

Bueno, por supuesto está el algoritmo de aceptación-rechazo, que yo implementaría para tu ejemplo como:

  1. (Inicialización) Para cada $i$ encuentra $A_i = \sup_x \{\Pi_{j=1}^k f_j(x)^{\alpha_j}/f_i(x)\} $ . Editar reflejando el comentario de Xi'an más abajo: Seleccione la distribución $f_i$ que corresponde al menor $A_i$ .
  2. Genere $x$ de $f_i$ .
  3. Calcule $\alpha = \Pi_{i=j}^k f_j(x)^{\alpha_j} / (A_if_i(x))$ .
  4. Genere $u \sim U(0,1)$ .
  5. Si $u \leq \alpha$ devolución $x$ Si no, pasa al 2.

Dependiendo de las distribuciones, por supuesto, podría tener una tasa de aceptación muy baja. En este caso, el número esperado de iteraciones es igual al seleccionado $A_i$ (suponiendo distribuciones continuas), así que al menos estás avisado de antemano.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X