Comparison of Markov chains via weak Poincaré inequalities with application to pseudo-marginal MCMC
通过弱庞加莱不等式比较马尔可夫链及其伪边际 MCMC 应用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 收敛理论，马尔可夫链计算本身不构成所列经济时间序列等领域的依据。
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…
通过弱庞加莱不等式比较马尔可夫链及其伪边际 MCMC 应用
- 研究问题
- 如何用弱庞加莱不等式量化马尔可夫链趋于平衡的速度，并分析伪边际算法中随机权重和平均化操作对收敛的影响？
- 方法与思路
- 作者建立链之间的定量比较定理，借助弱庞加莱不等式推导次几何收敛界，并分析独立采样、ABC 平均化和对数正态权重。
- 材料陈述的贡献
- 摘要称，这些工具可恢复并扩展既有收敛结果，证明较漂移与小化条件方法简洁，并为伪边际算法的实际使用提供新见解。
- 阅读关注点
- 应核对函数不等式与收敛度量、链比较的条件、权重分布的限制，以及平均次数和独立平均乘积如何改变收敛界。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要解读，不能推断刊本变化；摘要未提供具体收敛速率或算法性能的普遍比较。
原文摘要
We investigate the use of a certain class of functional inequalities known as weak Poincaré inequalities to bound convergence of Markov chains to equilibrium. We show that this enables the straightforward and transparent derivation of subgeometric convergence bounds for methods such as the Independent Metropolis–Hastings sampler and pseudo-marginal methods for intractable likelihoods, the latter being subgeometric in many practical settings. These results rely on novel quantitative comparison theorems between Markov chains. Associated proofs are simpler than those relying on drift/minorisation conditions and the tools developed allow us to recover and further extend known results as particular cases. We are then able to provide new insights into the practical use of pseudo-marginal algorithms, analyse the effect of averaging in Approximate Bayesian Computation (ABC) and the use of products of independent averages and also to study the case of log-normal weights relevant to particle marginal Metropolis–Hastings (PMMH).