elhmc: 베이지안 경험적 우도 기반의 해밀토니안 몬테카를로 샘플링을 위한 R 패키지

본 논문에서는 해밀토니안 몬테카를로(HMC) 기법을 사용하여 경험적 우도 기반의 베이지안 사후 분포로부터 샘플링하는 R 패키지를 소개합니다. 경험적 우도 방법론은 최근 많은 흥미로운 문제들의 베이지안 모델링에 활용되었습니다. 이 준모수적 절차는 비모수 분포 추정치의 유연성과 모수 모형의 해석 가능성을 쉽게 결합할 수 있습니다. 이 모형은 추정 방정식 기반 제약 조건을 통해 지정됩니다. 베이지안 경험적 우도(BayesEL) 사후 분포로부터 추론하는 것은 어렵습니다. 우도가 수치적으로 계산되므로 사후 분포의 닫힌 형태가 존재하지 않습니다. 또한, 임의의 유한 크기 표본에 대해 우도의 지지 집합이 비볼록하여 많은 마르코프 연쇄 몬테카를로(MCMC) 절차의 빠른 혼합을 방해합니다. 최근 로그 경험적 우도의 기울기 속성을 활용하여 BayesEL 사후 분포로부터 샘플링하는 효율적인 HMC 알고리즘을 고안할 수 있음이 입증되었습니다. 이 패키지는 사용자에게 추정 방정식, 사전 분포 및 해당 기울기만 지정하도록 요구합니다. 사용자가 요구하는 다양한 상세 사항을 포함하여 모수의 BayesEL 사후 분포로부터 추출된 MCMC 샘플을 얻을 수 있습니다.