Spectral gap bounds for reversible hybrid Gibbs chains
可逆混合 Gibbs 链的谱隙界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：摘要研究通用马尔可夫链采样器的收敛理论，未提供特定经济计量应用依据。
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…
关注这篇论文的作者
可逆混合 Gibbs 链的谱隙界
- 研究问题
- 当 Gibbs 更新依靠马尔可夫链近似条件分布时，如何利用精确更新和近似链的性质约束混合采样器的收敛速度？
- 方法与思路
- 作者研究可逆混合随机扫描 Gibbs 算法，将其绝对谱隙与精确 Gibbs 链及条件近似链的绝对谱隙联系起来。
- 材料陈述的贡献
- 摘要称提出新的收敛速度界，并扩展到混合数据增广算法；一般结果应用于分块更新、混合切片等三个例子。
- 阅读关注点
- 应核对可逆性和各谱隙界的适用条件、条件近似质量如何汇总，以及理论界对实际采样效率能提供多少信息。
- 阅读边界
- 仅据所给 Crossref 摘要；具体界、常数及成立条件未展示，不能判断结果是否紧致或保证实际计算更快。
原文摘要
Hybrid Gibbs samplers represent a prominent class of approximated Gibbs algorithms that utilize Markov chains to approximate conditional distributions, with the Metropolis-within-Gibbs algorithm standing out as a well-known example. Despite their widespread use in both statistical and non-statistical applications, little is known about their convergence properties. This article introduces novel methods for establishing bounds on the convergence rates of certain reversible hybrid Gibbs samplers. In particular, we examine the convergence characteristics of hybrid random-scan Gibbs algorithms. Our analysis reveals that the absolute spectral gap of a hybrid Gibbs chain can be bounded based on the absolute spectral gap of the exact Gibbs chain and the absolute spectral gaps of the Markov chains employed for conditional distribution approximations. We also provide a convergence bound of similar flavors for hybrid data augmentation algorithms, extending existing works on the topic. The general bounds are applied to three examples: a random-scan Metropolis-within-Gibbs sampler, random-scan Gibbs samplers with block updates and a hybrid slice sampler.