MCMC①
ベイズ推論は幾つかの理由により近年まで敬遠されてきた。その原因の一つが、計算量が膨大であるからである。 MCMCは従来困難だったベイズ推論の計算を容易にすることに貢献した。
MCMCは別にベイズ推論に特化したものではないが、経済学その他においてベイズ推論と結びつけられて紹介されることが多い為、このブログではベイズ推論の観点からMCMCを紹介する。
本記事は以下の書籍を参考にしている。
www.amazon.co.jp
またプログラムはhttps://github.com/NlGG/MCMCに掲載している。
まずは、そもそもベイズ推論とは何か、ということから説明しよう。
__________
ベイズの定理
例えば、正規分布があるとする。の値が与えられた時の条件付き確率分布を考えると、である。
n個の確率変数が互いに独立に上の分布に従うとすると、その同時確率密度関数はXとμの関数として見れる。
観測値xが与えられる前にμに関する分布を事前分布
観測値xが得られたときのμの関数f(x|μ)を尤度関数
観測値が与えられた後のパラメータμの分布をμの事後分布
という。
一般に、パラメータθに関する事前確率密度関数をπ(θ)、θが与えられたときのデータxの確率密度関数をf(x|θ)とすると、θの事後確率密度関数π(θ|x)は、π(θ|x)∝f(x|θ)π(θ) (事後確率は尤度関数と事前確率の積に比例する)となる。これをベイズの定理という。