A Coupling-Regeneration Scheme for Diagnosing Convergence in Markov Chain Monte Carlo Algorithms
用于诊断马尔可夫链蒙特卡洛收敛的耦合再生方案AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用 MCMC 收敛诊断，未明确对应所列经济计量细分领域。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
用于诊断马尔可夫链蒙特卡洛收敛的耦合再生方案
- 研究问题
- 如何诊断马尔可夫链蒙特卡洛算法的收敛，并评估收敛速度、有效样本量及获得平稳分布独立样本的可能性？
- 方法与思路
- 作者将目标链与一条定期从固定参数值重新启动的辅助链进行耦合，利用这一构造诊断收敛并估计相关常数。
- 材料陈述的贡献
- 摘要称，该方案可估计几何与一致遍历链的收敛速率常数，给出有效样本量下界，并以高概率获得独立样本。
- 阅读关注点
- 应核对耦合与重启的具体构造、遍历性要求、速率常数估计方法，以及有效样本量下界和独立性概率的保证。
- 阅读边界
- 仅依据版本未注明的 OpenAlex 索引摘要；遍历性条件、概率保证和计算成本未说明，不能推断刊本变化。
原文摘要
Here I propose a convergence diagnostic for Markov chain Monte Carlo (MCMC) algorithms based on couplings of a Markov chain with an auxiliary chain that is periodically restarted from a fixed parameter value. The diagnostic provides a mechanism for estimating the specific constants governing the rate of convergence of geometrically and uniformly ergodic chains, and provides a lower bound on the effective sample size of a MCMC run. It also provides a simple procedure for obtaining what is, with high probability, an independent sample from the stationary distribution.