马尔可夫链蒙特卡罗模拟-MCMC前沿 MCMC前沿 4.1 收敛与完美抽样 4.2 自适应MCMC 4.3 序贯蒙特卡罗和粒子滤波器 MCMC中的深入论题 3.6 辅助变量采样器 3.6.1 混合蒙特卡罗(HMC) 3.6.1.1 动力学 3.6.1.2 混合蒙特卡罗方法 3.6.2 切片取样器 3.7 可逆跳跃MCMC MCMC前沿 4.1 收敛与完美抽样 收敛性的诊断 确定马尔可夫链的长度是一项困难的任务。 在实践中,人们经常丢弃一组初始样本(预烧),以避免起始点导致偏差。 如果链稳定下来,人们可以应用几个图形和统计测试来大致评估。一般来说,这些测试都没有提供完全满意的诊断。 几位理论家试图约束混合时间,即马尔可夫链K的分布接近目标p(x)所需的最小步数。 我们用总变化范数 Δ x ( t ) Δ_x(t) Δ