Kernel estimators of asymptotic variance for adaptive Markov chain Monte Carlo
自适应马尔可夫链蒙特卡洛的渐近方差核估计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：摘要直接研究依赖序列的长期方差，并以 GARCH 马尔可夫模型展示时间序列应用。
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
自适应马尔可夫链蒙特卡洛的渐近方差核估计
- 研究问题
- 对于一类自适应马尔可夫链，如何估计渐近方差或长期方差，并建立核估计量的矩收敛和几乎处处收敛？
- 方法与思路
- 作者分析渐近方差核估计量的两种收敛性质，并以 GARCH 模型及贝叶斯逻辑回归的自适应 MCMC 作示例。
- 材料陈述的贡献
- 摘要称，结果也适用于普通马尔可夫链，并通过较弱条件改进既有文献；具体条件的弱化程度仍需查阅全文。
- 阅读关注点
- 核对自适应机制、核与带宽的要求，比较两类收敛所需条件，并检查作者声称弱于既有结果的具体部分。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；弱化条件和误差表现未说明，不能把适用一类链的结果推广到所有自适应算法。
原文摘要
We study the asymptotic behavior of kernel estimators of asymptotic variances (or long-run variances) for a class of adaptive Markov chains. The convergence is studied both in Lp and almost surely. The results also apply to Markov chains and improve on the existing literature by imposing weaker conditions. We illustrate the results with applications to the GARCH(1, 1) Markov model and to an adaptive MCMC algorithm for Bayesian logistic regression.