Algebraic algorithms for sampling from conditional distributions
条件分布抽样的代数算法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：摘要中的逻辑回归只是通用条件抽样示例，未明确研究经济行为的离散选择，故不作该领域分类。
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
条件分布抽样的代数算法
- 研究问题
- 对于离散指数族，在给定充分统计量后如何构造条件分布抽样算法，并处理列联表、逻辑回归与排列数据等例子？
- 方法与思路
- 作者构造用于条件抽样的马尔可夫链算法，其计算涉及多项式环和Gröbner基，并以若干离散数据模型展示应用范围。
- 材料陈述的贡献
- 摘要明确提出将代数计算用于离散指数族条件抽样的马尔可夫链构造，覆盖列联表、逻辑回归及排列数据谱分析等示例。
- 阅读关注点
- 阅读全文时应核对Gröbner基如何转化为链的移动、条件状态空间的连通性，以及目标分布保持、抽样效率与计算规模限制。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未说明链的混合速率和代数计算成本，不能推断有限步抽样精度或大规模可行性。
原文摘要
We construct Markov chain algorithms for sampling from discrete exponential families conditional on a sufficient statistic. Examples include contingency tables, logistic regression, and spectral analysis of permutation data. The algorithms involve computations in polynomial rings using Gröbner bases.