假设我有一个\(n×1\)
的参数\(\delta\)
的后验分布,实际应用中\(n\)
可能比较大,并且这个后验分布也不是常见的形式,我想用MH算法来对其抽样。
具体用代码实施的过程中,考虑到一个一个参数迭代比较耗时间,我想用一次性用一个多元提议分布(proposal distribution)来更新参数。例如
$$\delta_{new} = \delta_{old} + c\times N(0, I_n) .$$
然而结果是不论我的步长如何调整,每次迭代计算出的接受率(acceptance rate)不是0就是1,就像下面图中所示的模式。
该图是我的模拟结果,当\(\delta\)
接近真值之后,接受率就基本变为0了。
不知有没有哪位朋友有这方面的经验或者好的建议!先行感谢!