The Multiset Sampler
多重集采样器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：摘要提出通用后验采样算法，未提供所列经济金融细分方向的应用或模型依据。
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…
多重集采样器
- 研究问题
- 研究当后验参数可分为关注参数与干扰参数，且干扰参数取有限离散值或位于有界连续集合时，如何设计有效的采样算法。
- 方法与思路
- 作者提出新的 Metropolis–Hastings 多重集采样器，构造多重集上的分布，并安排关注参数与干扰参数的交替更新。
- 材料陈述的贡献
- 摘要介绍了多重集采样器的构造，用小型示例说明其作用，并在若干较现实的应用中与其他后验采样方法进行比较。
- 阅读关注点
- 应核对扩展分布如何保留目标后验、两类更新的接受机制，以及混合效率比较是否计入构造多重集所需的计算成本。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；未给出收敛保证、调参细节或效率优势范围，不能外推至任意后验或推断刊本变化。
原文摘要
We introduce the multiset sampler (MSS), a new Metropolis–Hastings algorithm for drawing samples from a posterior distribution. The MSS is designed to be effective when the posterior has the feature that the parameters can be divided into two sets, X, the parameters of interest and Y, the nuisance parameters. We contemplate a sampler that iterates between X moves and Y moves. We consider the case where either (a) Y is discrete and lives on a finite set or (b) Y is continuous and lives on a bounded set. After presenting some background, we define a multiset and show how to construct a distribution on one. The construction may seem artificial and pointless at first, but several small examples illustrate its value. Finally, we demonstrate the MSS in several realistic examples and compare it with alternatives.