리플러 알고리즘 비중심 베이지안 추정법

초록

리플러 알고리즘은 개별 기반 전염병 모델을 위한 비중심(data‑augmentation) 마코프 체인 몬테카를로(MCMC) 방법이다. 숨겨진 상태를 균등 난수 행렬 U 로 재파라미터화하고, U의 하나 혹은 여러 원소를 변형해 새로운 상태 X* 를 생성한다. 메트로폴리스‑헤이스팅스 단계에서 관측가능 데이터와 결합된 확률을 이용해 수용 여부를 판단한다. 기존의 가역점프 RJMCMC와 iFFBS에 비해 상태 수가 늘어날수록 효율이 크게 향상된다.

상세 분석

본 논문은 전염병 전이 모델을 Coupled Hidden Markov Model(CHMM) 형태로 공식화하고, 그 고차원·고상관성 숨은 상태 공간을 효율적으로 탐색하기 위한 비중심(non‑centred) 베이지안 추정 기법을 제안한다. 전통적인 중심화 방식에서는 파라미터 θ 와 숨은 상태 X 를 직접 샘플링하지만, 이는 제안 단계에서 복잡한 전이 확률 계산을 필요로 하여 수용률이 낮고 샘플 간 상관성이 크게 발생한다. 저자들은 모든 숨은 상태를 균등 난수 U (0,1) 로 재파라미터화하고, U 와 θ 가 주어지면 결정적 함수 g 를 통해 원래의 상태 X 를 복원한다. 이때 U 는 사전적으로 i.i.d.이며, 각 원소는 해당 시점·개인의 전이 확률 구간