基于Markov chain Monte Carlo的正态随机变量多属性群

现有的决策方法都是针对单个决策者的,未考虑群体决策问题,本文利用Markov chain Monte Carlo(MCMC)模拟方法解决正态分布随机变量的多属性群决策问题,给出基于MCMC模拟Gibbs抽样的正态分布随机变量概率集结方法,并利用WinBUGS软件编程模拟得到参数的后验分布。一、Markov chain Monte Carlo模拟MCMC方法提供了从后验分布直接抽样的途径,该方法的思想是:假定有一个分布的核π(x),通常把它称作目标分布。如果π非常复杂以至不能直接从它抽样,一个间接获取样本的办法是构造一个非周期且不可约的马尔科夫链,它的静止分布为π(x)。当该链足够长时,由其模拟的数值可以被视作是来自目标分布的独立样本,这样便可以用它推论π的重要特征。Gibbs抽样方法是一种最简单、应用最广的MCMC方法。Gibbs抽样从满条件分布中进行迭代抽样,使用固定的Gibbs转移序列,每个转移用来更新不同的变量。二、基于MCMC模拟的正态分布随机变量概率集结方法本节利用MCMC方法集结正态分布随机变量 ...