R语言中的block Gibbs吉布斯采样贝叶斯多元线性回归

全文链接：http://tecdat.cn/?p=11617

相关视频

贝叶斯模型

假设我们有一个样本量的主题。贝叶斯多元回归假设该向量是从多元正态分布中提取的 ，通过使用恒等矩阵，我们假设独立的观察结果。

到目前为止，这与多元正态回归相同。则将概率最大化可得出以下解 ：

贝叶斯模型是通过指定为一个先验分布得到 。在此示例中，我将在以下情况下使用 先验值

block Gibbs

在对采样器进行编码之前，我们需要导出Gibbs采样器的 每个参数的后验条件分布。

条件后验取更多的线性代数。

这是一个非常漂亮和直观的结果。条件后验的协方差矩阵是协方差矩阵的估计，

还要注意，条件后验是一个多元分布。因此，在Gibbs采样器的每次迭代中，我们从后验绘制出一个完整的矢量 。

模拟

我模拟的 结果向量。

运行 Gibbs采样器 会生成对真实系数和方差参数的估计。运行了500,000次迭代。周期为100,000次，10次迭代。

以下是MCMC链的图，其中真实值用红线表示。

这是修整后参数的后验分布：