我可以在不影響馬爾可夫性的情況下更改隨機遊走 MH MCMC 中的提案分佈嗎？
具有對稱提議的隨機遊走 Metropolis-Hasitings
具有接受概率的性質
不依賴於提案.
這是否意味著我可以改變作為鏈先前性能的函數，而不影響鏈的馬爾可夫性？
我特別感興趣的是根據接受率調整 Normal 提案的縮放比例。
如果有人能指出在實踐中用於此類問題的適應算法，我將不勝感激。
非常感謝。
[編輯：從 robertsy 和 wok 給出的參考資料開始，我發現以下關於 MH 自適應算法的參考資料：
Andrieu、Christophe 和 Éric Moulines。2006.
關於一些自適應 MCMC 算法的遍歷性。應用概率年鑑 16，沒有。3：1462-1505。http://www.jstor.org/stable/25442804。
安德里厄、克里斯托夫和約翰內斯·湯姆斯。
- 自適應 MCMC 教程。統計與計算 18，沒有。4 (12): 343-373。doi:10.1007/s11222-008-9110-y。http://www.springerlink.com/content/979087678366r78v/。
Atchadé, Y.、G. Fort、E. Moulines 和 P. Priouret。2009.
自適應馬爾可夫鏈蒙特卡羅：理論和方法。預印本。
阿查德，伊夫。2010.
一些具有子幾何內核的自適應 MCMC 算法的極限定理。伯努利 16，沒有。1（二月）：116-154。doi:10.3150/09-BEJ199。 http://projecteuclid.org/DPubS?verb=Display&version=1.0&service=UI&handle=euclid.bj/1265984706&page=record。
Cappe、O.、S. J Godsill 和 E. Moulines。2007.
現有方法的概述和順序蒙特卡洛的最新進展。IEEE 95 的會議記錄，沒有。5：899-924。
佐丹尼，保羅。2010.
通過快速估計法線混合的自適應獨立大都市黑斯廷斯。計算和圖形統計雜誌 19，沒有。2 (6): 243-259。doi:10.1198/jcgs.2009.07174。http://pubs.amstat.org/doi/abs/10.1198/jcgs.2009.07174。
Latuszynski、Krzysztof、Gareth O Roberts 和 Jeffrey S Rosenthal。2011.
自適應 Gibbs 採樣器和相關的 MCMC 方法。1101.5838（1 月 30 日）。http://arxiv.org/abs/1101.5838。
Pasarica, C. 和 A. Gelman。2009.
使用預期平方跳躍距離自適應縮放 Metropolis 算法。中央統計。
Roberts, Gareth O. 2009。
自適應 MCMC 示例。計算和圖形統計雜誌 18，沒有。2 (6): 349-367。doi:10.1198/jcgs.2009.06134。http://pubs.amstat.org/doi/abs/10.1198/jcgs.2009.06134。
]
我認為 Heikki Haario 等人的這篇論文。會給你你需要的答案。鏈的馬爾可夫性受提議密度適應的影響，因為這樣一個新的提議值不僅取決於前一個值，還取決於整個鏈。但是，如果非常小心，該序列似乎仍然具有良好的特性。