Batch means and spectral variance estimators in Markov chain Monte Carlo
马尔可夫链蒙特卡洛中的批均值与谱方差估计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：材料研究 MCMC 数值模拟误差，未涉及宏观时间序列或其他所列应用领域。
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…
关注这篇论文的作者
马尔可夫链蒙特卡洛中的批均值与谱方差估计
- 研究问题
- 如何从相关的 MCMC 输出估计渐近方差和蒙特卡洛标准误，并选择具有一致性依据及良好有限样本表现的估计方法？
- 方法与思路
- 作者分析谱方差、批均值和重叠批均值方法，分别建立强一致性与均方一致性条件，并考察批大小选择和有限样本表现。
- 材料陈述的贡献
- 摘要称给出相关方差估计的一致性条件，并据均方分析确定最优批大小至比例常数，同时提供经验比较和实践建议。
- 阅读关注点
- 应核对马尔可夫链与目标函数条件、批大小或谱窗口随模拟长度的变化要求，以及最优批大小中未知常数的处理方式。
- 阅读边界
- 版本未注明的索引摘要未提供具体链条件、调参规则或比较数值；其一致性结果不能自动保证短链标准误估计可靠。
原文摘要
Calculating a Monte Carlo standard error (MCSE) is an important step in the statistical analysis of the simulation output obtained from a Markov chain Monte Carlo experiment. An MCSE is usually based on an estimate of the variance of the asymptotic normal distribution. We consider spectral and batch means methods for estimating this variance. In particular, we establish conditions which guarantee that these estimators are strongly consistent as the simulation effort increases. In addition, for the batch means and overlapping batch means methods we establish conditions ensuring consistency in the mean-square sense which in turn allows us to calculate the optimal batch size up to a constant of proportionality. Finally, we examine the empirical finite-sample properties of spectral variance and batch means estimators and provide recommendations for practitioners.