Эффективный подвыборочный отбор для практической многоуровневой цепочки Маркова Монте Карло

arXiv: 2610,07956v1 Annualce Type: кросс-бюллетень: Многоуровневый алгоритм Monte Carlo ускоряет байезскую инверсию, используя корреляцию между дискретизированными количествами интереса по иерархии типовых резолюций. Ключевым практическим параметром является скорость подвыборки, которая используется для подготовки предложений на уровне грубого производства в отношении более мелких цепочек. Существующая практика устанавливает такую ставку, равную комплексному времени автокорреляции в качестве косвенного показателя декорации предложений, однако этот выбор может быть чрезмерно консервативным и привести к значительным расчетным накладным расходам. В этой работе мы рассматриваем подвыборку конечных образцов как вопрос бюджета на случай ошибок. Мы выбираем критерий " порога затрат &qt; для выбора расчетно-эффективной ставки подвыборки с использованием оценок разницы в выборке, комплексных сроков автокоррелирования и расходов на каждый уровень. Этот критерий позволяет сбалансировать многоуровневые ошибки выборки на разных уровнях, а не обеспечивать приблизительную независимость грубого предложения. Мы разъясняем теоретическую роль