Studying Convergence of Markov Chain Monte Carlo Algorithms Using Coupled Sample Paths
利用耦合样本路径研究 MCMC 算法的收敛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 MCMC 收敛诊断，未提供归入所列经济计量细分的应用或方法依据。
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
利用耦合样本路径研究 MCMC 算法的收敛
- 研究问题
- 如何通过同一采样器产生的多条耦合路径考察 MCMC 收敛，并识别多峰后验对采样路径收敛造成的影响？
- 方法与思路
- 作者让不同链使用同一随机数序列，考察所有路径耦合时的迭代次数分布，并以多个模型展示收敛诊断方法。
- 材料陈述的贡献
- 摘要称该程序可研究收敛性质并提供多峰诊断，示例涉及 Ising 模型、二元正态混合分布及大鼠生长率模型。
- 阅读关注点
- 应核对耦合的定义与构造、初始状态选择、耦合时间和目标分布收敛的联系，以及多峰诊断可能遗漏的情形。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要。摘要未说明诊断所需条件，不能将观察到的路径耦合直接视为任意采样器的收敛证明。
原文摘要
I describe a simple procedure for investigating the convergence properties of Markov chain Monte Carlo sampling schemes. The procedure uses coupled chains from the same sampler, obtained by using the same sequence of random deviates for each run. By examining the distribution of the iteration at which all sample paths couple, convergence properties for the system can be established. The procedure also provides a simple diagnostic for detecting modes in multimodal posteriors. Several examples of the procedure are provided. In Ising models, the relation between the correlation parameter and the convergence rate of rudimentary Gibbs samplers is investigated. In another example, the effects of multiple modes on the convergence of coupled paths are explored using mixtures of bivariate normal distributions. The technique is also used to evaluate the convergence properties of a Gibbs sampling scheme applied to a model for rat growth rates.