La estadística de Gelman-Rubin permite hacer una afirmación sobre la convergencia de las simulaciones de Monte Carlo .
Definición
Las simulaciones de Monte Carlo (cadenas) se inician con diferentes valores iniciales. Se descartan las muestras de las respectivas fases de rodaje . A partir de las muestras (de la j-ésima simulación), se estima la varianza entre las cadenas y la varianza en las cadenas:
- Valor medio de la cadena j
- Media de las medias de todas las cadenas
- Varianza de las medias de las cadenas
- Varianzas promedio de las cadenas individuales en todas las cadenas
Una estimación de la estadística de Gelman-Rubin resulta entonces como [1]
- .
Cuando L tiende a infinito y B tiende a cero, R tiende a 1.
Vats y Knudson dan una fórmula diferente. [2]
Alternativas
El diagnóstico Geweke compara si la media del primer x por ciento de una cadena y la media del último y por ciento de una cadena coinciden. [ cita requerida ]
Literatura
- Vats, Dootika; Knudson, Christina (2021). "Revisitando el diagnóstico de Gelman-Rubin". Ciencia estadística . 36 (4). arXiv : 1812.09384 . doi :10.1214/20-STS812.
- Gelman, Andrew; Rubin, Donald B. (1992). "Inferencia a partir de simulación iterativa utilizando múltiples secuencias". Ciencia estadística . 7 (4): 457–472. Bibcode :1992StaSc...7..457G. doi :10.1214/ss/1177011136. JSTOR 2246093.
Referencias
- ^ Peng, Roger D. 7.4 Monitoreo de la convergencia | Computación estadística avanzada – vía bookdown.org.
- ^ Vats, Dootika; Knudson, Christina (2021). "Revisitando el diagnóstico de Gelman-Rubin". Ciencia estadística . 36 (4). arXiv : 1812.09384 . doi :10.1214/20-STS812.