حساسیت نمونه بردار گیبز برای مدل های سلسله مراتبی خطی

Abstract

در این مقاله به بررسی همگرایی نمونه بردار گیبزی که مراحل مشخصی از شبیه سازی مستقیم آن با استفاده از الگوریتم متروپلیس-هستینگ انجام شده، می پردازیم. یک مدل سلسله مراتبی خطی با توزیع خطای تصادفی متقارن حول صفر در نظر می گیریم. نمونه گیری را از توزیع پسین انجام می دهیم. در این بررسی سعی شده با توجه به تغییرات نقطه اولیه، نحوه در نظر گرفتن پارامترها و نیز نوع انتخاب نقطه کاندیدا در روش زنجیر مارکف مونت کارلو، حساسیت همگرایی نمونه های گرفته شده را مورد تجزیه و تحلیل قرار می دهیم. در این مقاله روش معرفی شده توسط پاپاسپیلیوپلوس3[5] به کار گرفته می شود و نتایج تجزیه و تحلیل با یافته های آن مقاله مقایسه می گردد.