Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen

more »

... bedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Abstract The Makov Chain Monte Carlo method (MCMC) is often used to generate independent (pseudo) random numbers from a distribution with a density that is known only up to a normalising constant. With the MCMC method it is not necessary to compute the normalising constant (see e.g. Tierney, 1994; Besag, 2000) . In this paper we show that the well-known acceptance-rejection algorithm also works with unnormalised densities, and so this algorithm can be used to confirm the results of the MCMC method in simple cases. We present an example with real data. Y Y K from a Cauchy distribution. In column 2 and 3 we compute the unnormalised densities J G Y % and J F Y % . Column 4 gives the ratio J J F Y G Y % % . The maximum of column 4 is C (see column 5), and with this constant c we obviously have (16) for all J J J % % can be found from the random data. In column 6 we compute for each point j y the acceptance probability J J F Y C G Y ¢ ± % % ; the total of column 6 (6580.9) is the expected number of accepted points given -Y Y K . In column 7 we generate M random data