示例1:使用MCMC的指数分布采样
任何MCMC方案的目标都是从“目标”分布产生样本。在这种情况下,我们将使用平均值为1的指数分布作为我们的目标分布。所以我们从定义目标密度开始:
- target = function(x){
- if(x<0){
- return(0)}
- else {
- return( exp(-x))
- }
- }
定义了函数之后,我们现在可以用它来计算几个值(只是为了说明函数的概念):
target(1)
[1] 0.3678794
target(-1)
[1] 0
接下来,我们将规划一个Metropolis-Hastings方案,从与目标成比例的分布中进行抽样
- x[1] = 3 #这只是一个起始值,我设置为3
- for(i in 2:1000){
- A = target(proposedx)/target(currentx)
- if(runif(1)<A){
- x[i] = proposedx # 接受概率min(1,a)
- } else {
- x[i] = currentx #否则“拒绝”行动,保持原样
- }
注意,x是马尔可夫链的实现。我们可以画几个x的图:
我们可以将其封装在一个mcmc函数中,以使代码更整洁,这样更改起始值和提议分布更容易
- for(i in 2:niter){
- currentx = x[i-1]
- proposedx = rnorm(1,mean=currentx,sd=proposalsd)
- A = target(proposedx)/target(currentx)
- if(runif(1)<A){
- x[i] = proposedx # 接受概率min(1,a)
- } else {
- x[i] = currentx # 否则“拒绝”行动,保持原样
- }
现在我们将运行MCMC方案3次,看看结果有多相似:
- z1=MCMC(1000,3,1)
- z2=MCMC(1000,3,1)
- z3=MCMC(1000,3,1)
- plot(z1,type="l")
- par(mfcol=c(3,1)) #告诉R将3个图形放在一个页面上
- hist(z1,breaks=seq(0,maxz,length=20))
练习
使用函数easyMCMC了解以下内容:
- 不同的起始值如何影响MCMC方案?
- 较大/较小的提案标准差有什么影响?
- 尝试将目标函数更改为
- target = function(x){
- return((x>0 & x <1) + (x>2 & x<3))
- }
这个目标看起来像什么?如果提议sd太小怎么办?(例如,尝试1和0.1)
例2:估计等位基因频率
在对双等位基因座的基因型(如具有AA和AA等位基因的基因座)进行建模时,一个标准的假设是群体是“随机”的。这意味着如果p是等位基因AA的频率,那么基因型
和
将分别具有频率
和
。p一个简单的先验是假设它在[0,1]上是均匀的。 假设我们抽样n个个体,观察
基因型
、
基因型
和基因型
。
下面的R代码给出了一个简短的MCMC例程,可以从p的后验分布中进行采样。请尝试遍历该代码,看看它是如何工作的。
- prior = function(p){
- if((p<0) || (p>1)){ # || 这里意思是“或”
- return(0)}
- else{
- return(1)}
- }
- likelihood = function(p, nAA, nAa, naa){
- return(p^(2*nAA) * (2*p*(1-p))^nAa * (1-p)^(2*naa))
- }
- psampler = function(nAA, nAa, naa){
- for(i in 2:niter){
- if(runif(1)<A){
- p[i] = newp # 接受概率min(1,a)
- } else {
- p[i] = currentp # 否则“拒绝”行动,保持原样
- }
对
运行此样本。
现在用一些R代码来比较后验样本和理论后验样本(在这种情况下可以通过分析获得;因为我们观察到121个As和79个as,在200个样本中,p的后验样本是β(121+1,79+1)。
- hist(z,prob=T)
- lines(x,dbeta(x,122, 80)) # 在直方图上叠加β密度
您也可能希望将前5000 z的值丢弃为“burnin”(预烧期)。这里有一种方法,在R中仅选择最后5000 z
hist(z[5001:10000])
练习
研究起点和提案标准偏差如何影响算法的收敛性。
例3:估计等位基因频率和近交系数
一个复杂一点的替代方法是假设人们有一种倾向,即人们会与比“随机”关系更密切的其他人近交(例如,在地理结构上的人口中可能会发生这种情况)。一个简单的方法是引入一个额外的参数,即“近亲繁殖系数”f,并假设
和
基因型有频率
和
。
在大多数情况下,将f作为种群特征来对待是很自然的,因此假设f在各个位点上是恒定的。
请注意,f和p都被约束为介于0和1之间(包括0和1)。对于这两个参数中的每一个,一个简单的先验是假设它们在[0,1]上是独立的。 假设我们抽样n个个体,观察
基因型
、
基因型
和基因型
。
练习:
- 编写一个短的MCMC程序,从f和p的联合分布中取样。
- sampler = function(){
- f[1] = fstartval
- p[1] = pstartval
- for(i in 2:niter){
- currentf = f[i-1]
- currentp = p[i-1]
- newf = currentf +
- newp = currentp +
- }
- return(list(f=f,p=p)) # 返回一个包含两个名为f和p的元素的“list”
- }
- 使用此样本获得f和p的点估计(例如,使用后验平均数)和f和p的区间估计(例如,90%后验置信区间),数据:
附录:GIBBS采样
您也可以用Gibbs采样器解决这个问题
为此,您将想要使用以下“潜在变量”表示模型:
将zi相加得到与上述相同的模型: