입자 기반 시뮬레이션에서 발생하는 확률비의 분포와 메트로폴리스‑헤이스팅스 적용법

초록

본 논문은 입자 기반 몬테카를로 시뮬레이션으로 근사된 확률론적 전방 모델이 베이지안 역문제의 사후분포 샘플링에 미치는 영향을 분석한다. 특히 로그‑우도에 가우시안 잡음이 추가될 때, 메트로폴리스‑헤이스팅스 알고리즘에서 사용되는 두 근사 우도 비율이 확률변수가 되며, 그 분포의 모멘트 존재 조건을 공분산 행렬의 Loewner 순서와 연결시킨다. 이론적 결과와 수치 실험을 통해 입자 수 P 선택에 대한 실용적 가이드라인을 제시한다.

상세 분석

논문은 먼저 1차원 확산 방정식에 대한 입자 기반 몬테카를로(SDE 기반) 시뮬레이션을 소개하고, 이 과정에서 발생하는 두 종류의 오차—공간 이산화에 의한 바이어스와 입자 수 P에 의한 샘플링 분산—를 명시한다. 바이어스는 구간 길이 Δx에 대해 O(Δx²)로 감소하고, 분산은 O(1/(P·Δx))로 감소한다는 전형적인 중앙극한정리를 적용한다. 이러한 오차를 δ∼N(μ(D),Σ(D)) 로 모델링함으로써, 근사 전방 사상 ˆG