Fixed-Width Output Analysis for Markov Chain Monte Carlo
马尔可夫链蒙特卡洛的固定宽度输出分析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 误差评估与停止规则，采样相关性不等同于宏观时间序列研究，故不归入所列细分。
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…
马尔可夫链蒙特卡洛的固定宽度输出分析
- 研究问题
- 用相关的 MCMC 样本和遍历平均估计目标分布特征时，如何评估蒙特卡洛误差，并按用户指定精度决定何时停止采样？
- 方法与思路
- 作者考虑以遍历平均置信区间的宽度低于指定值作为停止准则，采用再生模拟与批均值方法估计渐近正态分布的方差。
- 材料陈述的贡献
- 摘要称，研究给出两种方差估计方法强一致性的充分条件，并在多个例子中考察有限样本性质，为固定宽度输出分析提供依据。
- 阅读关注点
- 应核对马尔可夫链及目标函数所需条件、再生结构和批大小选择，以及方差强一致性如何支持随机停止时的区间推断。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；充分条件、停止规则细节及有限样本数值未说明，不能仅凭区间变窄认定链已充分探索目标分布。
原文摘要
Markov chain Monte Carlo is a method of producing a correlated sample to estimate features of a target distribution through ergodic averages. A fundamental question is when sampling should stop; that is, at what point the ergodic averages are good estimates of the desired quantities. We consider a method that stops the simulation when the width of a confidence interval based on an ergodic average is less than a user-specified value. Hence calculating a Monte Carlo standard error is a critical step in assessing the simulation output. We consider the regenerative simulation and batch means methods of estimating the variance of the asymptotic normal distribution. We give sufficient conditions for the strong consistency of both methods and investigate their finite-sample properties in various examples.