你想弄懂什么？

预热期由 MCMC 算法在收敛到其平稳分布之前生成的初始样本组成。必须丢弃这些样本，因为它们受到任意起始点的影响，不能准确代表目标分布。

适用条件：适用于 MCMC 采样。；需要在将其余样本用于推断之前丢弃初始样本。；链从任意点开始。

预热期由 MCMC 算法在收敛到其平稳分布之前生成的初始样本组成。必须丢弃这些样本，因为它们受到任意起始点的影响，不能准确代表目标分布。

适用条件：适用于 MCMC 采样。；需要在将其余样本用于推断之前丢弃初始样本。；链从任意点开始。

平稳分布是一种概率分布，随着马尔可夫链的演化保持不变。它对 MCMC 很重要，因为当链达到平衡时，在每个区域花费的长期时间比例恰好匹配目标概率，从而使链能够充当完美的采样器。

适用条件：马尔可夫链必须达到平衡。；$\pi$ 是概率向量，$P$ 是转移矩阵。；目标分布是 $\pi$。

平稳分布是一种概率分布，随着马尔可夫链的演化保持不变。它对 MCMC 很重要，因为当链达到平衡时，在每个区域花费的长期时间比例恰好匹配目标概率，从而使链能够充当完美的采样器。

适用条件：马尔可夫链必须达到平衡。；$\pi$ 是概率向量，$P$ 是转移矩阵。；目标分布是 $\pi$。

迹图可视化了 MCMC 链在迭代过程中生成的样本值序列。要确定平稳性，请寻找值停止收敛并开始围绕稳定平衡点波动的点，这表明预热期结束。

适用条件：用于诊断 MCMC 收敛。；需要将样本值与迭代次数进行绘制。；图显示了预热期和平稳期。

迹图可视化了 MCMC 链在迭代过程中生成的样本值序列。要确定平稳性，请寻找值停止收敛并开始围绕稳定平衡点波动的点，这表明预热期结束。

适用条件：用于诊断 MCMC 收敛。；需要将样本值与迭代次数进行绘制。；图显示了预热期和平稳期。