Eu estou tentando provar de uma parte posterior com muitos modos particularmente distantes um do outro usando o MCMC. Parece que, na maioria dos casos, apenas um desses modos contém os 95% hpd que estou procurando. Tentei implementar soluções baseadas em simulação temperada, mas isso não fornece resultados satisfatórios, pois, na prática, ir de um "intervalo de captura" para outro é caro.
Como conseqüência, parece-me que uma solução mais eficiente seria executar muitos MCMCs simples a partir de diferentes pontos de partida e mergulhar na solução dominante, fazendo os MCMCs interagirem entre si. Você sabe se existe alguma maneira adequada de implementar essa ideia?
Nota: Descobri que o artigo http://lccc.eecs.berkeley.edu/Papers/dmcmc_short.pdf (cadeia de Markov distribuída Monte Carlo, Lawrence Murray) parece mais próximo do que estou procurando, mas realmente não entendo o design da função .
[EDIT]: a falta de respostas parece indicar que não há solução óbvia para o meu problema inicial (fazendo com que vários MCMCs amostrem da mesma distribuição de destino de diferentes pontos de partida interajam). Isso é verdade ? por que isso é tão complicado? obrigado