我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
基于分段确定马尔可夫过程的不可逆马尔可夫链蒙特卡罗方法最近被引入到应用概率、自动控制、物理学和统计学中。尽管这些算法在实验上表现出良好的性能,并因此在广泛的应用中得到了越来越多的应用,但迄今为止,这类方案的几何遍历性结果只是在非常严格的假设下建立的。我们在这里给出了目标分布的可验证条件,在该条件下,引入了Bouncy粒子采样器算法[物理学。版本E 85(2012)026703,1671–1691]是几何遍历的,我们为相关的遍历平均值提供了一个中心极限定理。只要目标满足曲率条件,且目标负对数的增长至少是线性的,且最多是二次的,这一点基本上成立。对于尾部较薄的目标分布,我们对该方案提出了一个几何遍历的原始修改。对于尾部较厚的目标,我们扩展了[安。统计师。 40(2012)3050–3076],在随机漫步的大都会环境中。我们建立了反弹粒子采样器相对于目标的适当变换的几何遍历性。将得到的过程映射回原始参数化,我们得到了一个几何遍历的分段确定性马尔可夫过程。
乔治·德利吉安尼迪斯。 亚历山大·布沙尔德·科特。 阿诺·多塞特(Arnaud Doucet)。 “弹性粒子采样器的指数遍历性。” 安。统计师。 47 (3) 1268 - 1287, 2019年6月。 https://doi.org/10.1214/18-AOS1714