本文深入介绍了马尔可夫链的概念，包括状态空间、齐次马尔可夫链、收敛和平稳分布。此外，还讨论了细致平衡条件在建立具有平稳分布的马尔可夫链中的作用，以及MCMC方法如何利用马尔可夫链进行随机近似推断。
1.马尔可夫链由状态空间和转移矩阵定义
2.齐次马尔可夫链是指未来状态的条件概率分布仅依赖于现在状态，与过去无关
3.如果马氏链的每个状态都会趋于一个稳定的数值，我们称过程收敛
4.如果分布π(X)使得停留在某一状态的概率与从随机采样的前期状态转移到它的概率相同，该马氏链称为平稳分布
5.平稳分布就是表示在某一个时刻后，分布不再改变
6.细致平衡是平稳分布的充分不必要条件，它将平稳分布与转移矩阵联系在一起
7.MCMC就是通过构建马尔可夫链概率序列，使其收敛到平稳分布p(z)
马尔科夫链蒙特卡洛方法，英文是Markov Chain Monte Carlo，简称MCMC。是一种随机性近似推断方法，它也是求解隐变量后验分布的一种推断方法，它核心思想是求得复杂概率分布下的期望值：
上一篇文章
最低0.47元/天 解锁文章
253
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
