滞后耦合诊断马尔可夫链蒙特卡罗系统发育推断
统计方法学
2022-10-11 v3 应用统计
摘要
系统发育推断是复杂空间上难处理的统计问题。马尔可夫链蒙特卡罗方法是贝叶斯系统发育推断的主要工具，但构建高效方案以探索相关后验分布或评估其性能颇具挑战。现有方法无法跨系统发育模型所有分量联合诊断马尔可夫方案的混合或收敛。马尔可夫链蒙特卡罗算法的滞后耦合近期在较简单空间上被发展以诊断收敛并构造无偏估计量。我们描述一种收缩耦合的马尔可夫链，其目标为带分支长度、标量参数与潜变量的系统发育树空间上的后验分布。我们利用这些耦合在多达 200 片叶子的树上跨系统发育模型所有分量联合评估马尔可夫链的混合并收敛。我们耦合链的样本也可用于构造无偏估计量。
引用
@article{arxiv.2108.13328,
title = {Lagged couplings diagnose Markov chain Monte Carlo phylogenetic inference},
author = {Luke J. Kelly and Robin J. Ryder and Grégoire Clarté},
journal= {arXiv preprint arXiv:2108.13328},
year = {2022}
}
备注
Revised manuscript