Cuando estoy codificando una simulación de Monte Carlo para algún problema, y el modelo es lo suficientemente simple, uso un libro de texto muy básico de muestreo de Gibbs. Cuando no es posible usar el muestreo de Gibbs, codifico el libro de texto Metropolis-Hastings que aprendí hace años. El único pensamiento que le doy es elegir la distribución de saltos o sus parámetros.
Sé que hay cientos y cientos de métodos especializados que mejoran esas opciones de libros de texto, pero por lo general nunca pienso en usarlos / aprenderlos. Por lo general, parece que es demasiado esfuerzo mejorar un poco lo que ya está funcionando muy bien.
Pero recientemente he estado pensando si tal vez no hay nuevos métodos generales que puedan mejorar lo que he estado haciendo. Han pasado muchas décadas desde que se descubrieron esos métodos. ¡Quizás estoy realmente desactualizado!
¿Existen alternativas bien conocidas a Metropolis-Hastings que sean:
- razonablemente fácil de implementar,
- tan universalmente aplicable como MH,
- y siempre mejora los resultados de MH en algún sentido (rendimiento computacional, precisión, etc.)
Conozco algunas mejoras muy especializadas para modelos muy especializados, pero ¿hay algunas cosas generales que todo el mundo usa y que yo no conozco?