用Slice sampling 来得到某单个分布的样本算法:
已知分布f(x)
1. 选择一个初始点,x0.
2. 在[0,f(x0)] 之间,通过均分分布产生一个采样y
3. 在 f(x) 上画一条通过 y的 水平线
4. 在线段内再次均匀采样得到一个点x ,此x就是此次迭代得到的新采样点。
5. 最后用新得的x作为初始值,重复step 2~step5
Y截得f(x)两点(L,R) ,称为f(x)的切片,经过不断迭代,得到很多切片,其中,切片的长度越长,被选取到的概率越大。
难点在于:对于多峰函数,切片所在的边界往往是不连续的,解决方法是拒绝更短的切片。
Matlab 程序1,生成单个拉普拉斯分布的采样
%%
laplaceDis1=@(y)exp(-abs(y))/2; % mu=0,b=1的拉斯分布
N=2000; %产生N个采样点
x = slicesample(1,N,'pdf',laplaceDis1,'thin',5,'burnin',1000);%thin, burn-in 具体设置看介绍
histogram(x,50); %显示采样点的直方图
如图:
%%matlab 程序2
%% 生成拉普拉斯分布的联合分布,每个随机变量成分都是独立的(方便演示)
% 类似Gibbs 多变量采样的方法,对某个确定的x1,在条件概率密度下P(x2|x1)得到x2的采样,然后对此x2,得到P(x1|x2)的一个采样
% 由于此处x1,x2独立,p(x2|x1)=p(x2),且slicesampling 得到的对概率密度积分和是否为1没有关联,所以可以直接生成联合分布
laplaceDis1=@(y)exp(-abs(y))/2; %mu=0,b=1的拉普拉斯分布
laplaceDis2=@(y)exp(-sqrt(2)*abs(y-2))/sqrt(2);%mu=2,b=1/sqrt(2) 拉普拉斯分布
limitL=-5; % 概率密度函数左边界
limitR=5;
x=zeros(N,2);
for i=1:N
start=unifrnd(limitL,limitR,1,2); %均布产生一个初值
x(i,1)=slicesample(start(1),1,'pdf',laplaceDis1);
x(i,2)=slicesample(start(2),1,'pdf',laplaceDis2);
end
figure
plot(x(:,1),x(:,2),'ro');
如图: