×
克里斯·夏洛克;保罗·费恩黑德;加雷思·罗伯茨。

随机漫步都市：通过案例研究将理论与实践联系起来。 （英语） Zbl 1328.60177号

统计科学。 25，第2期，172-190（2010）.
摘要：随机行走大都会（RWM）是当今实际应用中最常见的马尔可夫链蒙特卡罗算法之一。对于某些类型的目标，其理论性质已经得到了广泛的探索，并得出了一些具有重要实际意义的结果。本文汇集了一些新的和现有的关键结果和概念，并描述了它们的含义。以马尔可夫调制泊松过程（MMPP）为例，说明了每种新思想对算法效率的影响。还提出了MMPP的重新参数化，从而在特定情况下使用in-Gibbs算法实现高效的RWM。

引用于20文件

MSC公司：

60年22日 马尔可夫链中的计算方法

关键词：

随机行走大都市;大都会-黑斯廷斯;多功能多媒体计算机;自适应MCMC;基质金属蛋白酶
PDF格式BibTeX公司 XML格式引用
\textit{C.Sherlock}等人，《统计科学》。25，第2号，172--190（2010；Zbl 1328.60177）
全文： DOI程序 arXiv公司 欧几里得

参考文献：

[1] Bai，Y.、Roberts，G.O.和Rosenthal，J.S.（2009年）。关于自适应马尔可夫链蒙特卡罗算法的包含条件·Zbl 1225.60130号
[2] 贝达德，M.（2007）。非身份识别目标分布Metropolis算法的弱收敛性。附录申请。普罗巴伯。17 1222-1244. ·Zbl 1144.60016号 ·doi:10.1214/1050516070000096
[3] Bédard，M.（2008）。Metropolis算法的最佳接受率：超过0.234。随机过程。申请。118 2198-2222. ·Zbl 1155.60310号 ·doi:10.1016/j.spa.2007.12.005
[4] Burzykowski，T.、Szubiakowski、J.和Ryden，T.（2003）。单分子荧光实验的光子计数数据分析。化学。物理学。288 291-307.
[5] Carlin，B.P.和Louis，T.A.（2009年）。数据分析的贝叶斯方法，第三版，CRC出版社，佛罗里达州博卡拉顿·Zbl 1165.62003号
[6] Dellaportas，P.和Roberts，G.O.（2003年）。MCMC简介。《空间统计学与计算方法》（J.Moller编辑）。统计学课堂讲稿173 1-41。施普林格，柏林·Zbl 1035.62083号
[7] Fearnhead，P.和Sherlock，C.（2006年）。马尔可夫调制泊松过程的精确吉布斯采样器。J.R.统计社会服务。B统计方法。68 767-784. ·Zbl 1110.62131号 ·doi:10.1111/j.1467-9868.2006.00566.x
[8] Gamerman，D.和Lopes，H.F.（2006年）。Markov Chain Monte Carlo，第2版。Chapman和Hall/CRC，佛罗里达州博卡拉顿·Zbl 1137.62011年
[9] Geyer，C.J.（1992）。实用马尔可夫链蒙特卡罗法。统计师。科学。7 473-483.
[10] Gilks，W.R.、Richardson，S.和Spiegelhalter，D.J.（1996）。马尔可夫链蒙特卡罗实践。查普曼和霍尔，伦敦·兹伯利0832.0018
[11] Jarner，S.F.和Roberts，G.O.（2002年）。马尔可夫链的多项式收敛速度。附录申请。普罗巴伯。12 224-247. ·Zbl 1012.60062号 ·doi:10.1214/aoap/1015961162
[12] Kou，S.C.、Xie，X.S.和Liu，J.S.（2005）。单分子实验数据的贝叶斯分析。申请。统计师。54 1-28. JSTOR公司：·Zbl 1490.62346号 ·数字对象标识代码：10.1111/j.1467-9876.200500509.x
[13] 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. ·兹比尔0854.60065 ·doi:10.1214/aos/1033066201
[14] Metropolis，N.、Rosenbluth，A.W.、Rosenbruth，M.N.、Teller，A.H.和Teller等人（1953年）。通过快速计算机器计算状态方程。化学杂志。物理学。21 1087-1091.
[15] Meyn，S.P.和Tweedie，R.L.（1993年）。马尔可夫链和随机稳定性。斯普林格，伦敦·Zbl 0925.60001号
[16] Neal，P.和Roberts，G.（2006年）。部分更新MCMC算法的最佳缩放。附录申请。普罗巴伯。16 475-515·Zbl 1127.60021号 ·doi:10.1214/10505160500000791
[17] Roberts，G.O.（2003）。MCMC理论与实践的结合。在高结构随机系统中。牛津统计局。科学。序列号。27 145-178. 牛津大学出版社，牛津。
[18] Roberts，G.O.和Rosenthal，J.S.（2001年）。各种Metropolis Hastings算法的最佳缩放。统计师。科学。16 351-367. ·Zbl 1127.65305号 ·doi:10.1214/ss/1015346320
[19] Roberts，G.O.和Rosenthal，J.S.（2007年）。自适应马尔可夫链蒙特卡罗算法的耦合性和遍历性。J.应用。普罗巴伯。44 458-475. ·Zbl 1137.62015年 ·doi:10.1239/jap/1183667414
[20] Roberts，G.O.和Rosenthal，J.S.（2010年）。自适应MCMC示例。J.公司。图表。《美国联邦法律大全》第8卷第349-367页。
[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. ·Zbl 0876.60015号 ·doi:10.1214/aoap/1034625254
[22] Scott，S.L.和Smyth，P.（2003）。马尔可夫调制泊松过程和马尔可夫泊松级联及其在网络流量建模中的应用。贝叶斯统计学家。7 1-10.
[23] Sherlock，C.（2005）。在讨论“单分子实验数据的贝叶斯分析”时J.罗伊。统计师。Soc.序列号。C 54 500。JSTOR公司：·Zbl 1490.62346号 ·数字对象标识代码：10.1111/j.1467-9876.200500509.x
[24] Sherlock，C.（2006）。马尔可夫调制泊松过程推理方法和随机游走都市最优尺度理论。兰卡斯特大学博士论文，网址：。
[25] Sherlock，C.和Roberts，G.（2009年）。椭圆对称单峰目标上随机游走大都市的最优尺度。伯努利15 774-798·Zbl 1215.60047号 ·doi:10.3150/08-BEJ176
[26] Sokal，A.（1997年）。统计力学中的蒙特卡罗方法：基础和新算法。功能集成（Cargèse，1996）。北约高级科学。仪器序列号。B物理。361 131-192. 纽约Plenum·Zbl 0890.65006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。