DOĞRUSAL REGRESYONDA MARKOV ZİNCİRİ MONTE CARLO YAKINSAMA KRİTERLERİNİN KARŞILAŞTIRILMASI

Year 2013, Volume: 1 Issue: 1, 0 - 0, 01.05.2013

M. Ali Cengiz Talat Şenel Erol Terzı Yüksel Terzı

Abstract

Bayesci çıkarım bir olasılıksal çıkarım metodudur. Son 20 yılda çok boyutlu integrallerin yaklaşık olarak hesaplanmasında Markov zinciri Monte Carlo (MCMC) yöntemlerindeki ve bilgisayar hesaplamalarındaki gelişim nedeni ile bu yaklaşım oldukça popular hale gelmiştir. MCMC yönteminin en önemli tarafı Markov zincirinin yakınsamasının belirlenmesidir. Yakınsama olmayan Markov zincirine dayalı istatistiksel çıkarımlar doğru olmayabilir ve yanlış yönlendirebilir. Bu çalışmada doğrusal regresyon modelinde bazı yakınsama kriterlerinin kullanımı ele alınmıştır.

Keywords

Markov zinciri, Monte Carlo (MCMC), yakınsama, Bayes, doğrusal regresyon

COMPARISIONS  OF  CONVERGENCE  CRITERIAS  FOR  MARKOV  CHAIN  MONTE  CARLO   METHODS

Abstract

Bayesian   inference   is   a   probabilistic   inferential   method.   In   the   last   two   decades,   it   has   become  more  popular  than  ever  due  to  affordable  computing  power  and  recent  advances  in  Markov  chain  Monte  Carlo  (MCMC)  methods  for  approximating  high  dimensional  integrals.  An  important  aspect  of  any  MCMC  is  assessing  the  convergence  of  the  Markov  chains.  Inferences  based  on  nonconverged.  Markov  chains  can  be  both  inaccurate  and  misleading.  This  study  invokes  the  use  of  convergence  criteria  for  linear  regression  model.

Keywords

Markov  Chain,  MCMC,  Convergence,  Bayesian,  Linear  regression