杜克,R。;A.吉林。;J.-M.马林。;C.P.罗伯特。 重要抽样方案的自适应混合的收敛性。 (英语) Zbl 1132.60022号 Ann.统计。 35,第1期,420-448(2007). 设\(\pi\)是概率分布,\(\π\)由参考测度\(\mu\)支配,\(\ pi(dx)=\pi(x),d\mu(x。设\(\pi(f)=\int f(x)\pi如果我们能从(pi)中得到一个模拟的i.i.d.样本(x_1,dots,x_N),那么(N^{-1}\sum_{i=1}^Nf(x_i)=widehat{pi}_N(f))收敛到(pi(f由于分布(pi)的正规化常数未知,因此不可能直接使用估计量。作者提出了一种估计(pi(f))的算法作者推导了种群Monte Carlo算法自适应混合的充分收敛条件,并证明了Rao-Blackwellized算法根据Kullback发散准则渐近达到最优。审核人:余。V.Kozachenko(基辅) 引用于1审查引用于32文件 MSC公司: 60F05型 中心极限和其他弱定理 65立方厘米 马尔可夫链的数值分析或方法 关键词:蒙特卡罗校准;Kullback发散;人口蒙特卡罗算法;随机近似 PDF格式BibTeX公司 XML格式引用 \textit{R.Douc}等人,Ann.Stat.35,第1号,420-448(2007年;Zbl 1132.60022) 全文: 内政部 arXiv公司 参考文献: [1] Agresti,A.(2002年)。《分类数据分析》,第二版,威利出版社,纽约·Zbl 1018.6202号 [2] Andrieu,C.和Robert,C.(2001)。最优抽样的受控马尔可夫链蒙特卡罗方法。巴黎多芬大学0125技术报告。 [3] Cappé,O.、Guillin,A.、Marin,J.和Robert,C.(2004)。人口蒙特卡洛。J.计算。图表。统计师。13 907–929. ·doi:10.1198/106186004X12803 [4] Cappé,O.,Moulines,E.和Rydén,T.(2005)。隐马尔可夫模型中的推理。施普林格,纽约·Zbl 1080.62065号 [5] Celeux,G.、Marin,J.和Robert,C.(2006年)。缺失数据问题中的重复重要性抽样。计算。统计师。数据分析。50 3386–3404. ·Zbl 1445.62004号 [6] 肖邦,N.(2004)。序列蒙特卡罗方法的中心极限定理及其在贝叶斯推理中的应用。安。统计师。32 2385–2411. ·Zbl 1079.65006号 ·doi:10.1214/009053604000000698 [7] Csiszár,I.和Tusnády,G.(1984)。信息几何和交替最小化程序。估计理论和相关主题的最新结果。统计师。1984年决定(补充1)205–237·Zbl 0547.60004号 [8] Del Moral,P.、Doucet,A.和Jasra,A.(2006年)。连续蒙特卡罗采样器。J.R.统计社会服务。B统计方法。68 411–436. ·Zbl 1105.62034号 ·文件编号:10.1111/j.1467-9868.2006.00553.x [9] Douc,R.、Guillin,A.、Marin,J.和Robert,C.(2005)。通过总体蒙特卡罗进行最小方差重要性抽样。巴黎多芬大学CEREMADE学院技术报告·Zbl 1181.60028号 [10] Douc,R.和Moulines,E.(2005年)。适当加权样本的极限定理及其在序列蒙特卡罗中的应用。技术报告,TSI,巴黎电信·兹比尔1359.62341 [11] Doucet,A.,de Freitas,N.和Gordon,N.编辑(2001年)。实践中的序贯蒙特卡罗方法。施普林格,纽约·Zbl 0967.00022号 [12] Gilks,W.、Roberts,G.和Sahu,S.(1998年)。通过再生的自适应马尔可夫链蒙特卡罗。J.Amer。统计师。协会93 1045–1054。JSTOR公司:·Zbl 1064.65503号 ·doi:10.2307/2669848 [13] Haario,H.、Saksman,E.和Tamminen,J.(1999年)。随机行走Metropolis算法的自适应建议分布。计算。统计师。14 375–395. ·Zbl 0941.62036号 ·doi:10.1007/s001800050022 [14] Haario,H.、Saksman,E.和Tamminen,J.(2001)。一种自适应Metropolis算法。伯努利7 223-242·Zbl 0989.65004号 ·doi:10.2307/3318737 [15] Hesterberg,T.(1995)。加权平均重要性抽样和防御混合分布。技术计量37 185–194·Zbl 0822.62002号 ·doi:10.2307/1269620 [16] Iba,Y.(2000)。基于人口的蒙特卡罗算法。事务处理。日本人工智能学会16 279–286。 [17] Künsch,H.(2005)。递归蒙特卡罗滤波器:算法和理论分析。安。统计师。33 1983–2021. ·Zbl 1086.62106号 ·doi:10.1214/009053605000000426 [18] Mengersen,K.L.和Tweedie,R.L.(1996)。黑斯廷斯和大都会算法的收敛速度。安。统计师。24 101–121. ·Zbl 0854.60065号 ·doi:10.1214/aos/1033066201 [19] Robert,C.(1996)。内在损失。理论与决策40 191–214·Zbl 0848.90010号 ·doi:10.1007/BF00133173 [20] Robert,C.和Casella,G.(2004年)。蒙特卡洛统计方法,第二版,施普林格,纽约·Zbl 1096.62003年 [21] Roberts,G.O.、Gelman,A.和Gilks,W.R.(1997)。随机行走Metropolis算法的弱收敛性和最优尺度。附录申请。普罗巴伯。7 110–120. ·兹比尔0876.60015 ·doi:10.1214/aoap/1034625254 [22] Rubin,D.(1988)。使用SIR算法模拟后验分布。贝叶斯统计3(J.M.Bernardo、M.H.DeGroot、D.V.Lindley和A.F.M.Smith编辑)395-402。牛津大学出版社·兹比尔0713.62035 [23] Sahu,S.和Zhigljavsky,A.(1998年)。自适应自再生MCMC。技术报告,威尔士大学,加的夫。 [24] Sahu,S.和Zhigljavsky,A.(2003)。自适应自再生马尔可夫链蒙特卡罗。伯努利9 395–422·Zbl 1044.62033号 ·doi:10.3150/bj/106544811 [25] Tierney,L.(1994)。用于探索后验分布的马尔可夫链(带讨论)。安。统计师。22 1701–1762. ·Zbl 0829.62080号 ·doi:10.1214/aos/1176325750 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。