Advertisement

Markov-Ketten-Monte-Carlo-Methode und Konvergenzgeschwindigkeit

Chapter
  • 3.8k Downloads

Zusammenfassung

Das Grundprinzip der Monte-Carlo-Schätzung besteht in der wiederholten Durchführung eines Zufallsexperiments, um aus den Realisierungen mit Hilfe des Gesetzes der großen Zahlen einen Schätzer zu erhalten. Im Falle von Markov-Ketten-Monte-Carlo besteht dies im wiederholten Aufrufen einer Markov-Kette, bis diese annähernd ihre stationäre Verteilung erreicht hat. Wir betrachten in diesem Kapitel insbesondere den sogenannten Metropolis-Hastings-Algorithmus. Von praktischer Relevanz ist dabei auch die Frage, wie schnell eine Markov-Kette sich ihrer stationären Verteilung annähert. Hier diskutieren wir kurz ein allgemeines Ergebnis zur Konvergenzgeschwindigkeit.

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2020

Authors and Affiliations

  1. 1.Institut für MathematikTU BerlinBerlinDeutschland

Personalised recommendations