मैंने आपके द्वारा दिए गए कागज को नहीं देखा, लेकिन मुझे वैसे भी जाने दो:
यदि आपके पास एक -डायमेंशनल पैरामीटर स्पेस है तो आप यूनिट के क्षेत्र में समान रूप से वितरित एक यादृच्छिक दिशा d उत्पन्न कर सकते हैं।pd
x <- rnorm(p)
d <- x/sqrt(sum(x^2))
(सीएफ विकी )।
फिर, अस्वीकृति के नमूने के लिए प्रस्तावों को उत्पन्न करने के लिए इसका उपयोग करें (यह मानते हुए कि आप वास्तव में डी के वितरण का मूल्यांकन कर सकते हैं )।dd
मान लें कि आपने स्थिति शुरू कर दी है और एक डी स्वीकार कर लिया है , तो एक प्रस्ताव y के साथ उत्पन्न करेंxdy
lambda <- r<SOMEDISTRIBUTION>(foo, bar)
y <- x + lambda * d
और एक मेट्रोपोलिस-हेस्टिंग्स-स्टेप यह तय करने के लिए कि को स्थानांतरित करना है या नहीं।y
बेशक, यह कितनी अच्छी तरह काम कर सकता है यह के वितरण पर निर्भर करेगा और रिजेक्शन सैंपलिंग स्टेप में इसके घनत्व का कितना (बार-बार) मूल्यांकन है, लेकिन चूंकि डी के लिए प्रस्ताव तैयार करना सस्ता है इसलिए आप इससे दूर हो सकते हैं।dd
@ Csgillespie के लाभ के लिए जोड़ा गया:
मैं जो कुछ गोलगप्पे से इकट्ठा करने में सक्षम था, हिट-एंड-रन MCMC मुख्य रूप से तेजी से मिश्रण के लिए उपयोगी है यदि आपके पास एक (बहुभिन्नरूपी) लक्ष्य है जो मनमाने ढंग से घिरा हुआ है, लेकिन जरूरी नहीं कि जुड़ा हुआ समर्थन है, क्योंकि यह आपको किसी भी बिंदु पर स्थानांतरित करने में सक्षम बनाता है एक कदम में किसी अन्य के समर्थन में। अधिक यहाँ और यहाँ ।