A Likelihood-Free Reverse Sampler of the Posterior Distribution
后验分布的无似然逆向采样器AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般无似然后验计算，未明确经济结构模型或其他所列领域设定，不能仅凭模拟最小距离归入结构估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
后验分布的无似然逆向采样器
- 研究问题
- 当似然难以计算、数据以辅助统计量概括时，能否通过优化产生后验样本，减少依赖低接受率筛选的近似贝叶斯方法的计算负担？
- 方法与思路
- 作者反复求解模拟最小距离问题，以变量变换论证为基础，结合先验与雅可比矩阵的体积对优化解重新加权，近似目标后验。
- 材料陈述的贡献
- 摘要提出逆向采样器，并以此解释两类无似然估计的区别；因每次优化可产生可接受抽样，作者将其视为低接受率方法的潜在替代。
- 阅读关注点
- 应核对辅助统计量的信息保留程度、优化解的存在与多解处理、雅可比体积权重，以及近似后验与原似然后验之间的误差。
- 阅读边界
- 所据为 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明近似精度或计算比较，始终产生可接受抽样不等于独立或精确后验抽样。
原文摘要
This paper considers properties of an optimization based sampler for targeting the posterior distribution when the likelihood is intractable and auxiliary statistics are used to summarize information in the data. Our reverse sampler approximates the likelihood-based posterior distribution by solving a sequence of simulated minimum distance problems. By a change of variable argument, these estimates are reweighted with a prior and the volume of the jacobian matrix to serve as draws from the desired posterior distribution. The sampler provides a conceptual framework to understand the difference between two types of likelihood free estimation. Because simulated minimum distance estimation always results in acceptable draws, the reverse sampler is potentially an alternative to existing approximate Bayesian methods that are computationally demanding because of a low acceptance rate.