Stochastic Convergence Rates and Applications of Adaptive Quadrature in Bayesian Inference
贝叶斯推断中自适应求积的随机收敛速率及应用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：摘要研究贝叶斯数值积分的一般理论，没有所列计量应用方向的直接文本依据。
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…
贝叶斯推断中自适应求积的随机收敛速率及应用
- 研究问题
- 用于归一化贝叶斯后验的自适应求积，其误差如何随样本增加而变化，又如何影响后验密度与常用后验摘要？
- 方法与思路
- 作者分析一族自适应求积规则，包含自适应高斯—厄米特求积，并将其用于低维例子和高维加性模型的近似推断。
- 材料陈述的贡献
- 摘要称，作者首次给出该类规则的随机收敛速率，覆盖密度相对误差、可信集概率、矩与分位数，并提供R包实现。
- 阅读关注点
- 应核对求积规则的适用条件、节点数与误差速率关系，以及高维加性模型中求积承担的步骤和额外近似误差。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要，不能推断刊本变化；可信集覆盖概率的具体定义、速率及软件当前状态均未核验。
原文摘要
We provide the first stochastic convergence rates for a family of adaptive quadrature rules used to normalize the posterior distribution in Bayesian models. Our results apply to the uniform relative error in the approximate posterior density, the coverage probabilities of approximate credible sets, and approximate moments and quantiles, therefore, guaranteeing fast asymptotic convergence of approximate summary statistics used in practice. The family of quadrature rules includes adaptive Gauss-Hermite quadrature, and we apply this rule in two challenging low-dimensional examples. Further, we demonstrate how adaptive quadrature can be used as a crucial component of a modern approximate Bayesian inference procedure for high-dimensional additive models. The method is implemented and made publicly available in the aghq package for the R language, available on CRAN. Supplementary materials for this article are available online.