从逆伽马分布采样

机器算法验证 分布 采样 吉布斯 逆伽马分布
2022-04-05 16:10:56

我在随机波动率模型的 MCMC 估计中使用吉布斯抽样。后验分布之一是逆伽玛分布。
我在采样过程中苦苦挣扎,或者准确地说是与 Gamma 分布的链接。是真的得到YIG(alpha,beta),我必须采样XGamma(α,1/β)并采取Y=1/X? 这也与 mathworks 上的帖子一致。

但是,我也在 wolfram 上阅读了它,我认为它们在文章中自相矛盾(https://reference.wolfram.com/language/ref/InverseGammaDistribution.html)。

从段落背景和上下文(虽然它处理广义伽马分布): 从段落*背景和上下文*

与来自细节的描述(特别是第四点):

在此处输入图像描述

这种差异是由于逆伽玛和广义逆伽玛之间的差异而产生的吗?

1个回答

之所以会出现这种差异,是因为 Gamma 分布有两种不同的参数化,并且每种参数化与逆 Gamma 分布的相关性不同。

Wikipedia上,Gamma 分布的两个参数化通过使用来区分(k,θ)(α,β).

If XGamma(k,θ),f(x)=1Γ(k)θkxk1ex/θ.
If XGamma(α,β),f(x)=βαΓ(α)xα1exβ.

这里αk在 pdf 中完全一样,但是θ是和β是不同的。θ称为尺度参数,并且β称为速率参数。这两者之间的关系是β=1/θ.

如果XGamma(α,β)在哪里β是速率参数,那么1/XIG(α,β).

如果XGamma(k,θ), 在哪里θ是尺度参数,那么1/XIG(k,1/θ).

在这两种情况下,IG 的 pdf 都是相同的。如果YIG(α,β),然后的pdfY总是

f(y)=βαΓ(α)xα1eβ/x.