En lugar de utilizar la estadística Gelman-Rubin, que es una buena ayuda pero no es perfecta (como todos los diagnósticos de convergencia), simplemente utilizo la misma idea y trazo los resultados para una evaluación gráfica visual. En casi todos los casos que he considerado (que es un número muy grande), el gráfico de las trazas de múltiples cadenas MCMC iniciadas desde posiciones iniciales muy variadas es suficiente para mostrar o evaluar si se está convergiendo a la misma posterior o no, en cada caso. Utilizo este método para:
- Si la cadena MCMC converge (alguna vez)
- Evaluar cuánto tiempo debo fijar el período de rodaje
- Calcular el estadístico R de Gelman (véase Gelman, Carlin, Stern y Rubin, Bayesian Data Analysis) para medir la eficiencia y la velocidad de la mezcla en el muestreador MCMC.
La eficiencia y la convergencia son cuestiones ligeramente diferentes: por ejemplo, se puede tener convergencia con una eficiencia muy baja (es decir, que se necesitan cadenas largas para converger). He utilizado este método gráfico para diagnosticar con éxito (y posteriormente corregir) problemas de falta de convergencia en situaciones específicas y generales.
0 votos
Relacionados: stats.stackexchange.com/questions/4258/