A vanilla Rao–Blackwellization of Metropolis–Hastings algorithms
Metropolis–Hastings 算法的简易 Rao–Blackwell 化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：摘要的核心是通用蒙特卡洛方差缩减，probit 仅为示例，不足以将全文归入离散选择方向。
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
Metropolis–Hastings 算法的简易 Rao–Blackwell 化
- 研究问题
- 如何降低基于 Metropolis–Hastings 算法的估计量方差，同时控制以往 Rao–Blackwell 化方法较高的计算和存储成本？
- 方法与思路
- 作者从不同于既有方法的角度提出通用 Rao–Blackwell 化方案，建立改进估计量的中心极限定理，并给出示例。
- 材料陈述的贡献
- 摘要称，该方案保证基于 Metropolis–Hastings 的估计量方差下降且计算成本可控，并以简单例子和 probit 估计展示表现。
- 阅读关注点
- 应核对方差下降针对何种方差、适用的估计量与链条件，以及额外成本和中心极限定理所需条件及实际效率比较。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 摘要，通用保证的具体范围未说明；方差下降不直接意味着固定运行时间下效率更高。
原文摘要
Casella and Robert [Biometrika 83 (1996) 81–94] presented a general Rao–Blackwellization principle for accept-reject and Metropolis–Hastings schemes that leads to significant decreases in the variance of the resulting estimators, but at a high cost in computation and storage. Adopting a completely different perspective, we introduce instead a universal scheme that guarantees variance reductions in all Metropolis–Hastings-based estimators while keeping the computation cost under control. We establish a central limit theorem for the improved estimators and illustrate their performances on toy examples and on a probit model estimation.