Stability of the Gibbs sampler for Bayesian hierarchical models
贝叶斯层级模型中 Gibbs 采样器的稳定性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：摘要属于通用贝叶斯计算理论，层级模型与高斯过程不足以确定所列计量细分领域。
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…
贝叶斯层级模型中 Gibbs 采样器的稳定性
- 研究问题
- 在具有对称误差分布的层级线性模型中，Gibbs 采样器的收敛速度如何受到误差尾部相对行为与参数化方式影响？
- 方法与思路
- 作者刻画联合抽取参数与缺失数据的 Gibbs 采样器收敛性质，并将理论用于分析潜在高斯过程模型中的采样收敛。
- 材料陈述的贡献
- 摘要称收敛可呈一致、几何或次几何类型，取决于误差分布的相对尾部与参数化，并指出框架可用于更复杂模型。
- 阅读关注点
- 应核对不同收敛类型的精确定义、尾部比较条件及参数化对应关系，以及高斯过程应用是否需要额外限制。
- 阅读边界
- 所给材料为版本未注明的 OpenAlex 索引摘要；未提供收敛判据或实际混合速度，不能将理论收敛类型直接等同于有限计算表现。
原文摘要
We characterize the convergence of the Gibbs sampler which samples from the joint posterior distribution of parameters and missing data in hierarchical linear models with arbitrary symmetric error distributions. We show that the convergence can be uniform, geometric or subgeometric depending on the relative tail behavior of the error distributions, and on the parametrization chosen. Our theory is applied to characterize the convergence of the Gibbs sampler on latent Gaussian process models. We indicate how the theoretical framework we introduce will be useful in analyzing more complex models.