.png){kind=icon}
返回
Efficient Multivariate Initial Sequence Estimators for MCMC
.png){kind=icon}
PRE
AI
DOI：10.1080/10618600.2025.2567948.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
估计马尔可夫链蒙特卡罗（MCMC）中的蒙特卡罗误差对有效的模拟结果至关重要，初始序列估计量是为此目的引入的最早方法之一。在过去的几年中，重点一直放在对模拟误差的多变量评估上，并已开发出许多单变量方法的多元推广。已知多元初始序列估计量相比其竞争对手表现出更优的有限样本性能。然而，多元初始序列估计量可能计算速度过慢，限制了其广泛应用。我们提供了一种高效替代的多元初始序列估计量，它继承了其渐近性质以及有限样本下的优异性能。通过示例实现展示了所提出估计量的有效性。此外，我们还针对并行运行MCMC链的情况提出了单变量和多元初始序列估计量，并展示了它们相对于一种流行替代方法的有效性。本文的补充材料可在线获取。
Keyword:
Autocovariances
Central limit theorem
Covariance matrix estimation
Parallel Markov chains
期刊
J
IF:
1.8
论文数:
141
被引数:
6.4K
机构
引用论文
.png){kind=icon}
查看更多内容