Metropolis–Hastings采样器的方差减少

@第{Alexopoulos2022条方差RF，title={大都会-黑斯廷斯采样器方差减少}，author={Angelos N.Alexopoulos和Petros Dellaportas以及Michalis K.Titsias}，journal={统计与计算}，年份＝{2022}，体积={33}，url={https://api.semanticscholar.org/CorpusID:247244963}}
介绍了随机游走Metropolis算法和Metropolis-adjusted Langevin算法的一种构造方差约化估计量的一般框架，并证明了在可忽略额外计算成本的情况下，方差约化效果显著。
Springer上的视图
[PDF]语义阅读器

3引文

独立的大都会能击败粗鲁的蒙特卡洛吗？

假设我们想估计函数$F$相对于密度$\pi$的期望值。我们证明了如果在KL散度下$\pi$与另一密度$q$足够接近，则…

用耦合马尔可夫链求解泊松方程

本文展示了如何使用在随机迭代次数后精确相遇的耦合马尔可夫链来生成泊松方程解的无偏估计。我们建立…

元学习控制变量：有限数据下的方差缩减

结果表明，当需要计算大量相关积分时，即使每个任务的样本数非常少，也可以利用这些积分任务之间的相似性来提高性能。

46参考文献

基于可逆马尔可夫链蒙特卡罗采样器的估计控制变量

摘要：介绍了一种通用方法，用于构造控制变量并将其有效应用于涉及可逆马尔可夫链蒙特卡罗数据的估计问题…

高维随机游动都市链的渐近方差：基于泊松方程的对数增长

本文利用文献[30]中标度极限的泊松方程的解，构造了具有独立同分布目标的d维随机游动Metropolis链的控制变量，并证明了相应估计量的渐近方差有界于$\log（d）的倍数/d$超过链的光谱间隙。

黎曼流形Langevin和Hamilton蒙特卡罗方法

当模拟通过该流形的路径时，所提出的方法会自动适应局部结构，提供高效的收敛和目标密度的探索，与其他采样方法相比，时间归一化有效样本量有了显著改进。

基于梯度的自适应马尔可夫链蒙特卡罗

我们引入了一种基于梯度的学习方法来自动调整马尔可夫链蒙特卡罗（MCMC）建议分布以适应棘手的目标。我们定义了最大熵调节目标…

贝叶斯估计的零方差马尔可夫链蒙特卡罗

基于物理学文献中介绍的零方差原理，提出了MCMC估计量的一种通用方差约简技术，并导出了零方差估计量渐近无偏的条件。

大都会方法、高斯建议和对偶变量

我们研究了一类动态蒙特卡罗方法的各个方面，该方法推广了Metropolis算法，并将吉布斯采样器作为特例。这些可用于估算…

关于Metropolis-Hastings链的泊松方程

本文定义了几何遍历Metropolis-Hastings链$\Phi$的泊松方程解的近似格式。近似值产生一个自然序列…

马尔可夫链蒙特卡罗中的批均值和谱方差估计

计算蒙特卡罗标准误差（MCSE）是对马尔可夫链蒙特卡罗实验获得的模拟输出进行统计分析的一个重要步骤。MCSE通常基于…

马尔可夫链的方差约简及其在MCMC中的应用

一种新的马尔可夫链加性泛函方差约简方法，该方法基于对这些泛函在适当的控制变量类上的渐近方差估计的最小化，与现有的方差约简算法相比，该方法具有更好的性能。

零方差微分几何马尔可夫链蒙特卡罗算法

本文建议，哈密顿蒙特卡罗和Metropolis-adjusted Langevin算法所需的部分额外计算产生的元素允许并行实现MCMC估计的零方差减少技术。