里加特,F。;A.米拉。 并行分层抽样:一种通用的交互式马尔可夫链蒙特卡罗算法。 (英语) Zbl 1246.65026号 计算。统计数据分析。 56,第6期,1450-1467(2012). 摘要:提出了一类新的交互式马尔可夫链蒙特卡罗(MCMC)算法,即并行分层采样器(PHS),并对其混合特性进行了评估。PHS算法是模块化MCMC采样器,旨在为多模态和重尾后验分布生成可靠估计。因此,小灵通旨在造福于从事广泛应用的统计学家,他们更注重定义和完善模型,而不是构建复杂的抽样策略。在Metropolis-Hastings具有链内更新的情况下,证明了普通PHS算法的收敛性。对于多元高斯密度的多模态混合物和“banana形”重尾多元分布,将该PHS核的精度与优化的单链和多链MCMC算法的精度进行了比较。这些示例表明,与标准采样器相比,PHS可以显著提高MCMC估计的精度。然后将PHS应用于两个实际复杂的贝叶斯模型不确定性场景。首先,PHS用于在存在高共线性的情况下为高斯线性回归模型选择少量有意义的预测因子。其次,PHS近似的生存树后验概率表明,诊断时肝转移的数量和大小可以预测结直肠癌患者生存分布的实质性差异。 引用于6文件 MSC公司: 65C60个 统计中的计算问题(MSC2010) 65二氧化碳 蒙特卡罗方法 65立方厘米 马尔可夫链的数值分析或方法 62F07型 统计排名和选择程序 2015年1月62日 贝叶斯推断 62J05型 线性回归;混合模型 62页第10页 统计学在生物学和医学中的应用;元分析 92立方厘米 细胞运动(趋化性等) 关键词:贝叶斯协变量选择;沉重的尾巴;高斯混合;多模态;树生存模型;并行计算;数值示例;马尔可夫链蒙特卡罗算法;并行分层采样器;汇聚;大都会-黑斯廷斯;贝叶斯模型不确定性;高斯线性回归模型;癌症患者 软件:贝叶斯先生;波阈值;WinBUGS公司 PDF格式BibTeX公司 XML格式引用 \textit{F.Rigat}和\textit{A.Mira},计算。统计数据分析。56,第6号,1450--1467(2012;Zbl 1246.65026) 全文: 内政部 参考文献: [1] 安东尼亚迪斯,A。;格雷戈伊尔,G。;Nason,G.,《使用小波方法对右旋数据进行密度和风险率估计》,英国皇家统计学会期刊B,61,63-84(1999)·Zbl 0915.62020号 [2] 阿查德,Y。;Rosenthal,J.,《自适应马尔可夫链蒙特卡罗算法》,Bernoulli,11815-828(2005)·Zbl 1085.62097号 [3] Athreya,K。;多斯,H。;Sethuraman,J.,《关于马尔可夫链模拟方法的收敛性》,《统计年鉴》,24,69-100(1996)·Zbl 0860.60057号 [4] Bai,Y.,Roberts,G.,Rosenthal,J.,2009年。关于自适应马尔可夫链蒙特卡罗算法的包含条件。多伦多大学(预印本)。;Bai,Y.,Roberts,G.,Rosenthal,J.,2009年。关于自适应马尔可夫链蒙特卡罗算法的包含条件。多伦多大学(预印本)·Zbl 1225.60130号 [5] Barbieri,M。;Berger,J.,最优预测模型选择,《统计学年鉴》,3870-897(2004)·Zbl 1092.62033号 [6] 贝达德,M。;Rosenthal,J.,《大都会算法的最优缩放:走向一般目标分布》,《加拿大统计杂志》,36,483-502(2008)·Zbl 1167.60344号 [7] 贝里诺,F。;Verdecchia,A。;卢茨,J。;伦巴多,C。;Micheli,A。;Capocachia,R.,《欧洲癌症存活率比较信息》,《欧洲肿瘤杂志》,45901-908(2009) [8] Breiman,L.,打包预测,机器学习,24123-140(1996)·Zbl 0858.68080号 [9] Breiman,L.,随机森林,机器学习,45,5-32(2001)·Zbl 1007.68152号 [10] Breiman,L.,《增强集合的人口理论》,《统计年鉴》,第32期,第1-11页(2004年)·Zbl 1105.62308号 [11] 布雷曼,L。;弗里德曼,J。;Olshen,R。;Stone,C.,《分类和回归树》(1984),查普曼和霍尔:查普曼与霍尔纽约·Zbl 0541.62042号 [12] 布罗克韦尔,A。;Kadane,J.,《MCMC模拟中再生时间的识别及其在自适应方案中的应用》,《计算与图形统计杂志》,14,436-458(2005) [13] 布鲁克斯,S。;朱迪奇,P。;Roberts,G.,《可逆跳跃MCMC提案分布的有效构建》,《皇家统计学会杂志》B,65,3-55(2003)·Zbl 1063.62120号 [14] 布鲁克斯,S.P。;Roberts,G.,评估马尔可夫链蒙特卡罗算法的收敛性,统计与计算,8,319-335(1998) [15] O·卡佩。;Robert,C.,马尔可夫链蒙特卡洛:10年了,仍然在运行!,《美国统计协会杂志》,9511282-1286(2000)·Zbl 1072.60506号 [16] O·卡佩。;罗伯茨,G。;Ryden,T.,《可逆跳跃、出生和死亡以及更一般的连续时间马尔可夫链蒙特卡罗采样器》,皇家统计学会杂志B,65,679-700(2003)·Zbl 1063.62133号 [17] 卡林,B。;Chib,S.,通过马尔可夫链蒙特卡罗方法选择贝叶斯模型,英国皇家统计学会期刊B,57(1995)·Zbl 0827.62027号 [18] Celeux,G。;Hurn,M。;Robert,C.,混合后验分布的计算和推断困难,美国统计协会杂志,95957-970(2000)·Zbl 0999.62020号 [19] 乔沃,D。;Vanderkerkhove,P.,用学习建议改进Hastings Metropolis算法的收敛性,斯堪的纳维亚统计杂志,29,13-29(2002)·Zbl 1023.65003号 [20] Chipman,H.A。;E.I.乔治。;McCulloch,R.E.,贝叶斯CART模型搜索,《美国统计协会杂志》,93,935-947(1998) [21] 克莱德,M。;George,E.,《模型不确定性》,《统计科学》,第19期,第81-94页(2004年)·Zbl 1062.62044号 [22] Corander,J。;Gyllenberg,M。;Koski,T.,基于并行MCMC策略的贝叶斯模型学习,统计与计算,16,355-362(2006) [23] Cournet,J.,Marin,J.、Mira,A.、Robert,C.,2011年。自适应多重重要性采样。《斯堪的纳维亚统计杂志》(出版)。;Cournet,J.,Marin,J.、Mira,A.、Robert,C.,2011年。自适应多重重要性抽样。《斯堪的纳维亚统计杂志》(出版中)。 [24] 克雷乌(Craiu,R.)。;Lemieux,C.,使用对偶和分层抽样加速多重都市算法,统计与计算,17,109-120(2007) [25] 克雷乌(Craiu,R.)。;Meng,X.,前向和后向马尔可夫链蒙特卡罗的多过程并行对偶耦合,统计年鉴,33661-697(2005)·Zbl 1068.62090号 [26] 克雷乌(Craiu,R.)。;罗森塔尔,J。;Yang,C.,《向邻居学习:平行中国和区域适应性MCMC》,美国统计协会杂志,1041454-1466(2009)·Zbl 1205.65028号 [27] Davis,R。;Anderson,J.,指数生存树,医学统计学,8(1989) [28] Del Moral,P。;Doucet,A.,《一类新的相互作用马尔可夫链蒙特卡罗方法》,《科学院学报》,第348期,第79-83页(2010年)·Zbl 1185.60084号 [29] Del Moral,P。;Doucet,A。;Jasra,A.,《序贯蒙特卡罗采样器》,《皇家统计学会杂志》B,68,411-436(2006)·Zbl 1105.62034号 [30] Dellaportas,P。;福斯特,J。;Ntzoufras,I.,关于贝叶斯模型和使用MCMC的变量选择,统计和计算,12,27-36(2002)·Zbl 1247.62086号 [31] Denison,D。;马利克,B。;Smith,A.,贝叶斯CART算法,生物特征,85(1998)·Zbl 1048.62502号 [32] Duane,S。;A.D.肯尼迪。;彭德尔顿,B.J。;Roweth,D.,《混合蒙特卡罗》,《物理学快报B》,195,216-222(1987) [33] Flegal,J。;哈兰,M。;Jones,G.,Markov chain Monte Carlo:我们能相信第三位重要人物吗?,统计科学,23,250-260(2008)·Zbl 1327.62017年 [34] 弗里格西,A。;Gasemyr,J。;Rue,H.,两个吉布斯采样链的对偶耦合,《统计年鉴》,28,1128-1149(2000)·Zbl 1105.65303号 [35] Gasemyr,J.,《关于独立提案分布的Metropolis-Hastings算法的自适应版本》,《斯堪的纳维亚统计杂志》,第30期,第159-173页(2003年)·Zbl 1038.65005号 [36] Gelman,A。;Rubin,D.,《使用多序列的迭代模拟推断》,《统计科学》,第7457-472页(1992年)·兹比尔1386.65060 [37] 乔治·E。;McCulloch,R.,通过吉布斯抽样进行变量选择,《美国统计协会杂志》,88,882-889(1993) [38] 乔治·E。;McCulloch,R.,《贝叶斯变量选择方法》,《中国统计》,第7339-373页(1997年)·Zbl 0884.62031号 [39] Geweke,J.,评估基于抽样方法计算后验矩的准确性,(Bernardo,J.M.;Berger,J.O.;Dawid,A.P.;Smith,A.,Bayesian Statistics 4(1992),牛津出版社),169-194 [40] Geyer,C.,1991年。马尔可夫链蒙特卡罗最大似然。摘自:《计算科学与统计:第23届界面研讨会论文集》,纽约。;Geyer,C.,1991年。马尔可夫链蒙特卡罗最大似然。摘自:《计算科学与统计:第23届接口研讨会论文集》,纽约。 [41] Geyer,C.J。;汤普森,E.,退火马尔可夫链蒙特卡罗及其在祖先推断中的应用,美国统计协会杂志,90909-920(1995)·Zbl 0850.62834号 [42] 吉尔克斯,W。;罗伯茨,G。;George,E.,《自适应方向抽样》,《统计学家》,第43期,第179-189页(1994年) [43] 吉尔·J。;Casella,G.,《探索多模态后验分布的动态缓和转换》,《政治分析》,第12期,第425-443页(2004年) [44] Girolma,M。;Calderhead,B.,通过热力学积分和总体MCMC估算贝叶斯因子,计算统计和数据分析,534028-4045(2009)·Zbl 1453.62055号 [45] Girolma,M。;Calderhead,B.,Riemann流形Langevin和Hamilton Monte Carlo方法,皇家统计学会杂志B,73,1-37(2011) [46] Gordon,L。;Olshen,R.,树结构生存分析,癌症治疗报告,69(1995) [47] 格雷,J。;Fan,G.,使用TARGET进行分类树分析,计算统计和数据分析,52,1362-1372(2008)·Zbl 1452.62445号 [48] Green,P.,可逆跳跃马尔可夫链蒙特卡罗计算和贝叶斯模型确定,生物统计学,82711-732(1995)·Zbl 0861.62023号 [49] 格林,P。;Han,X.,《大都会方法、高斯建议和对偶变量》,《统计学讲义》,74142-164(1991) [50] 绿色,P。;Mira,A.,可逆跳跃中的延迟拒绝Metropolis-Hastings,Biometrika,88,1035-1053(2001)·Zbl 1099.60508号 [51] Grocott,M。;马丁·D·。;Levett,D。;蒙哥马利,H。;Mythen,M.,Caudwell xtreme Everest,麻醉与镇痛,6,81-84(2008) [52] Haario,H。;莱恩,M。;米拉,A。;Saksman,E.,DRAM:高效自适应MCMC,统计与计算,16,339-354(2006) [53] Haario,H.,Saksman,E.,Tamminen,J.,1999年。随机行走Metropolis算法的自适应建议分布。;Haario,H.,Saksman,E.,Tamminen,J.,1999年。随机行走Metropolis算法的自适应建议分布·Zbl 0941.62036号 [54] Haario,H。;Saksman,E。;Tamminen,J.,自适应大都会算法,伯努利,7,223-242(2001)·Zbl 0989.65004号 [55] Hansmann,U.,生物分子构象研究的并行回火算法,《化学物理快报》,281140-152(1997) [56] 拖运,G。;Mansmann,U.,Splus中的生存树,统计软件进展,5615-622(1995)·兹比尔0850.62074 [57] Hermanek,P.,Gall,F.,1990年。Uicc Studie zur Klassifikation von Lebermetastasen公司。勒贝马斯塔森手征与托莫伦原发性恶性手征。;Hermanek,P.,Gall,F.,1990年。Uicc Studie zur Klassifikation von Lebermetastasen公司。Lebermetastasen与Tumoren的primaren malignen手按摩。 [58] Ho,T.,构建决策森林的随机子空间方法,IEEE模式分析和机器智能汇刊,20832-844(1998) [59] Huelsenbeck,J。;Larget,B。;Alfaro,M.,使用可逆跳马尔可夫链蒙特卡罗选择贝叶斯系统发育模型,分子生物学与进化,211123-1133(2004) [60] Huelsenbeck,J。;Ronquist,F.,使用MrBayes对分子进化的Bayes分析,分子进化中的统计方法,2183-226(2005) [61] K.Hukushima。;Nemoto,K.,交换蒙特卡罗方法及其在自旋玻璃模拟中的应用,日本物理学会杂志,651604-1620(1996) [62] Husmeier,D。;McGuire,G.,用贝叶斯隐马尔可夫模型和马尔可夫链蒙特卡罗检测4分类群DNA序列比对中的重组,分子生物学与进化,20315-337(2003) [63] 胡,B。;Tsui,K.,贝叶斯计算的分布式进化蒙特卡罗,计算统计和数据分析,54,688-697(2010)·Zbl 1464.62091号 [64] Iba,Y.,《扩展系综蒙特卡罗》,《国际现代物理杂志》,12623-656(2001) [65] 贾纳,S。;Roberts,G.,马尔可夫链的多项式收敛率,应用概率年鉴,12224-247(2002)·Zbl 1012.60062号 [66] Jasra,A。;Doucet,A。;斯蒂芬斯(d.Stephens)。;Holmes,C.,《用于跨维模拟的交互序贯蒙特卡罗采样器》,计算统计与数据分析,52,1765-1791(2008)·Zbl 1452.62077号 [67] Jasra,A。;斯蒂芬斯(D.Stephens)。;Holmes,C.,《基于人群的静态推理模拟,统计学和计算》,17263-279(2007) [68] Jasra,A。;斯蒂芬斯(D.Stephens)。;Holmes,C.,基于人群的可逆跳跃马尔可夫链蒙特卡罗,生物统计学,94,787-807(2007)·Zbl 1158.62019号 [69] Kottas,A.,使用威布尔分布混合物的非参数贝叶斯生存分析,《统计规划与推断杂志》,136,578-596(2006)·Zbl 1079.62095号 [70] 寇·L。;Mallick,B.,回归模型的变量选择,Sankhya B,60,65-81(1998)·Zbl 0972.62016号 [71] 拉克纳,C。;范德马克,P。;韦尔森贝克,J。;Larget,B。;Ronquist,F.,《贝叶斯系统发育学中马尔可夫链蒙特卡罗树提议的效率》,系统生物学,57,86-103(2008) [72] 勒布兰奇,M。;Crowley,J.,《截尾生存数据的相对风险树》,生物统计学,48(1992) [73] 勒布兰奇,M。;Crowley,J.,《分裂优度生存树》,《美国统计协会杂志》,88(1992) [74] Li,M.,2006年。利用可逆跳马尔可夫链蒙特卡罗发现调控基序的贝叶斯方法。博士论文。华盛顿大学。;Li,M.,2006年。利用可逆跳马尔可夫链蒙特卡罗发现调控基序的贝叶斯方法。博士论文。华盛顿大学。 [75] 梁,F。;Wong,W.,实际参数进化蒙特卡罗及其在贝叶斯混合模型中的应用,美国统计协会杂志,96,653-666(2001)·Zbl 1017.62022号 [76] 林,C。;胡,C。;Hansmann,U.,HP-36的平行回火模拟,蛋白质:结构、功能和遗传学,53,436-445(2003) [77] 李,S。;珀尔·D。;Doss,H.,利用马尔可夫链构建系统发育树蒙特卡罗,美国统计协会杂志,95493-508(2000) [78] Liu,J.,科学计算中的蒙特卡罗策略(2001),Springer·Zbl 0991.65001号 [79] 刘杰。;梁,F。;Wong,W.,《大都会抽样中的多重方法和局部优化》,美国统计协会杂志,95,121-134(2000)·Zbl 1072.65505号 [80] 刘杰。;梁,F。;Wong,W.,Monte Carlo计算中的动态加权理论,《美国国家科学院院刊》,96,561-573(2001)·Zbl 1028.65003号 [81] 刘杰。;Sabatti,C.,《模拟烧结:变维空间的马尔可夫链蒙特卡罗》,贝叶斯统计,6389-403(1998)·兹比尔0974.62026 [82] Lunn,D。;托马斯。;贝斯特,N。;Spiegelhalter,D.,WinBUGS——贝叶斯建模框架:概念、结构和可扩展性,统计与计算,10325-337(2000) [83] 伦特,G。;米克洛斯,I。;Drummond,A。;Jensen,J。;Hein,J.,系统发育和序列比对的贝叶斯共同估计,BMC生物信息学,683-93(2005) [84] Mau,B。;牛顿,M。;Larget,B.,通过马尔可夫链蒙特卡罗方法进行贝叶斯系统发育推断,生物统计学,55,1-12(1999)·Zbl 1059.62675号 [85] McKeague,I。;Wefelmeyer,W.,马尔可夫链蒙特卡罗和拉奥-布莱克威尔化,《统计规划与推断杂志》,85171-182(2000)·Zbl 0968.62059号 [86] Mengersen,K。;Tweedie,R.,黑斯廷斯算法和大都会算法的收敛速度,《统计年鉴》,24,101-121(1996)·Zbl 0854.60065号 [87] 北卡罗来纳州大都会。;罗森布鲁斯,A。;罗森布鲁斯,M。;泰勒,M。;特勒,E.,用快速计算机器计算状态方程,化学物理杂志,211087-2092(1953)·Zbl 1431.65006号 [88] 北卡罗来纳州大都会。;Ulam,S.,《蒙特卡罗方法》,《美国统计协会杂志》,44,335-341(1949)·Zbl 0033.28807号 [89] 梅恩,S。;Tweedie,R.,马尔可夫链收敛的状态依赖标准,应用概率年鉴,4149-168(1994)·Zbl 0803.60060号 [90] Mira,A.,《排序和改进蒙特卡洛-马尔可夫链的性能》,《统计科学》,第16期,第340-350页(2001年)·Zbl 1127.60312号 [91] Mira,A.,Geyer,C.,1999年。排序蒙特卡罗-马尔可夫链。明尼苏达大学统计学院技术报告632。;Mira,A.,Geyer,C.,1999年。排序蒙特卡罗-马尔可夫链。技术报告,明尼苏达大学统计学院632。 [92] 米拉,A。;Sargent,D.,加速马尔可夫链蒙特卡罗算法的新策略,统计方法和应用,12,49-60(2003)·Zbl 1064.65003号 [93] 米切尔,T。;Beauchamp,J.,线性回归中的贝叶斯变量选择,美国统计协会杂志,83,1023-1032(1988)·Zbl 0673.62051号 [94] 莫塞尔,E。;Vigoda,E.,《系统发育MCMC算法在混合树上产生误导》,《科学》,3092207-2209(2005) [95] 莫塞尔,E。;Vigada,E.,系统发育贝叶斯推断的马尔可夫链蒙特卡罗算法的局限性,应用概率年鉴,16,42215-2234(2006)·Zbl 1121.60078号 [96] 迈尔斯,J。;Laskey,K.,人口马尔可夫链蒙特卡罗,机器学习,50,175-196(2001)·Zbl 1028.68167号 [97] Neal,R.,《使用回火转变从多峰分布中取样》,《统计与计算》,6353-66(1996) [98] Neal,R.,切片取样,《统计年鉴》,31705-767(2003)·Zbl 1051.65007号 [99] Neal,P.,Roberts,G.,Yuen,J.,2007年。目标密度不连续的随机游走Metropolis算法的最优缩放。曼彻斯特大学技术报告5。;Neal,P.,Roberts,G.,Yuen,J.,2007年。具有不连续目标密度的随机行走Metropolis算法的最优缩放。曼彻斯特大学技术报告5·Zbl 1259.60082号 [100] Nelder,J。;Mead,R.,《函数最小化的单纯形方法》,《计算机杂志》,7308-313(1965)·Zbl 0229.65053号 [101] 诺特·D。;Green,P.,《贝叶斯可验证选择和Swendsen-Wang算法》,《计算与图形统计杂志》,第13期,第141-157页(2004年) [102] 帕塞托,L。;罗西,E。;Monfardini,S.,结直肠癌的肝转移:医疗,抗癌,234245-4256(2003) [103] Peskun,P.,使用马尔可夫链的最佳蒙特卡罗抽样,生物统计学,60,607-612(1973)·Zbl 0271.62041号 [104] Petris,G。;Tardella,L.,跨维马尔可夫链蒙特卡罗的几何方法,加拿大统计杂志,31469-482(2003)·Zbl 1052.62031号 [105] 皮特曼,J。;黄,E。;Dressman,H。;霍恩,C。;Cheng,S。;Tsou,M。;陈,C。;图片,A。;伊弗森,E。;黄,A。;内文斯,J。;West,M.,临床和基因表达信息的集成建模用于疾病结果的个性化预测,美国国家科学院学报,1018431-8436(2004) [106] Raftery,A.E。;Madigan,D。;Hoeting,J.A.,线性回归模型的贝叶斯模型平均,美国统计协会杂志,92179-191(1997)·Zbl 0888.62026号 [107] Ren,R。;Orkoulas,G.,并行马尔可夫链蒙特卡罗模拟,化学物理杂志,126211102:1-4(2007) [108] 罗伯茨,G。;Gelman,A。;Gilks,W.,《随机游走Metropolis算法的弱收敛和最优缩放》,应用概率年鉴,7110-120(1997)·Zbl 0876.60015号 [109] 罗伯茨,G。;Rosenthal,J.,各种Metropolis-Hastings算法的最佳缩放,《统计科学》,16,351-367(2001)·兹比尔1127.65305 [110] Roberts,G.,Rosenthal,J.,2008年。自适应MCMC示例。多伦多大学(预印本)。;Roberts,G.,Rosenthal,J.,2008年。自适应MCMC示例。多伦多大学(预印本)。 [111] 罗伯茨,G。;Rosenthal,J.,自适应MCMC的耦合和遍历性,应用概率杂志,44458-475(2007)·Zbl 1137.62015年 [112] Roberts,G.,Stramer,O.,2002年。回火Langevin扩散和算法。爱荷华大学统计与精算科学系技术报告314。;Roberts,G.,Stramer,O.,2002年。回火Langevin扩散和算法。爱荷华大学统计与精算科学系技术报告314·Zbl 1033.65003号 [113] 罗伯茨,G。;Tweedie,R.,Langevin分布及其离散近似的指数收敛性,Bernoulli,2341-363(1996)·兹比尔0870.60027 [114] 罗伯茨,G。;Tweedie,R.,多维Hastings和Metropolis算法的几何收敛和中心极限定理,Biometrika,83,95-110(1996)·Zbl 0888.60064号 [115] Rosenthal,J.,并行计算和蒙特卡罗算法,《远东理论统计杂志》,4207-236(2000)·Zbl 1008.68160号 [116] 桑特·M。;阿勒马尼,C。;桑塔奎拉尼,M。;Knijn,A。;马切西,F。;R、 C.,EUROCARE-4。1995-1999年确诊癌症患者的生存率。结果与评论,《欧洲癌症杂志》,45931-991(2009) [117] 史密斯,M。;Kohn,R.,使用贝叶斯变量选择的非参数回归,《计量经济学杂志》,75,317-343(1996)·Zbl 0864.62025号 [118] Sokal,A.,1996年。统计力学中的蒙特卡罗方法:基础和新算法。Cargese暑期学校关于“功能集成:基础和应用”的讲稿。;Sokal,A.,1996年。统计力学中的蒙特卡罗方法:基础和新算法。Cargese暑期学校关于“功能集成:基础和应用”的讲稿。 [119] Stephens,M.,成分数量未知的混合模型的贝叶斯分析-可逆跳跃法的替代方法,《统计年鉴》,28,40-74(2000)·兹比尔1106.62316 [120] Swendsen,R。;Wang,J.,Monte Carlo模拟中的非通用临界动力学,《物理评论快报》,58,86-88(1987) [121] Tanner,M。;Wong,W.,《通过数据增强计算后验分布》,《美国统计协会杂志》,82528-541(1987)·Zbl 0619.62029号 [122] Tierney,L.,探索后验分布的马尔可夫链,《统计年鉴》,221701-1728(1994)·Zbl 0829.62080号 [123] 蒂尔尼,L。;Mira,A.,贝叶斯推断的一些自适应蒙特卡罗方法,《医学统计学》,182507-2515(1991) [124] Waagepetersen,R。;Ibanez-Escriche,N。;Sorensen,D.,定量遗传学中马尔可夫链蒙特卡罗策略的比较,遗传学选择进化,40161-176(2008) [125] West,M.,“大(p),小(n)”范式中的贝叶斯因子回归模型,贝叶斯统计3(2003) [126] Wolff,U.,《错误较少的蒙特卡罗错误》,《计算机物理通信》,156143-153(2004)·Zbl 1196.65138号 [127] Woodard,D。;施密德勒,S。;M L,H.,多峰分布上平行和模拟回火快速混合的条件,应用概率年鉴,19617-640(2009)·Zbl 1171.65008号 [128] 杨,Z。;Rannala,B.,《利用DNA序列进行贝叶斯系统发育推断:马尔可夫链蒙特卡罗方法》,分子生物学与进化,14717-724(1997) [129] 吉田,T。;Chida,M。;Ichioka,M。;Suda,Y.,与有氧能力和耐力表现相关的血乳酸参数,《欧洲应用生理学和职业生理学杂志》,56,7-11(1987) [130] Zheng,关于交换和模拟回火算法,随机过程及其应用,104,131-154(2001)·Zbl 1075.60545号 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。