A note on simulation methods for the Dirichlet-Laplace prior
Dirichlet–Laplace 先验模拟方法的一则说明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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要仅涉及贝叶斯先验的通用 MCMC 抽样修正，没有支持所给应用领域细分的直接证据。
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…
Dirichlet–Laplace 先验模拟方法的一则说明
- 研究问题
- 在条件高斯模型中使用 Dirichlet–Laplace 先验时，原有 MCMC 的条件抽样顺序是否能生成潜变量的正确联合后验，如何修正？
- 方法与思路
- 作者分析原算法的条件分布抽样顺序，提出调整原算法和采用等价先验表示构造新算法两种方案，以修正联合后验抽样。
- 材料陈述的贡献
- 摘要称原算法未正确抽取所有潜变量的联合后验，给出两个简单修正方案，并明确表示这一问题不影响原文的理论结果。
- 阅读关注点
- 应核对原更新顺序为何破坏目标后验、两种修正的条件分布和等价性，以及哪些既有计算结果可能需要重新运行。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未提供更新公式或数值影响，不能据此推断原文全部实证结果是否发生变化。
原文摘要
Bhattacharya et al. (2015, Journal of the American Statistical Association 110(512): 1479-1490) introduce a novel prior, the Dirichlet-Laplace (DL) prior, and propose a Markov chain Monte Carlo (MCMC) method to simulate posterior draws under this prior in a conditionally Gaussian setting. The original algorithm samples from conditional distributions in the wrong order, i.e., it does not correctly sample from the joint posterior distribution of all latent variables. This note details the issue and provides two simple solutions: A correction to the original algorithm and a new algorithm based on an alternative, yet equivalent, formulation of the prior. This corrigendum does not affect the theoretical results in Bhattacharya et al. (2015).