Quero aprender como a Gibbs Sampling funciona e estou procurando um bom papel básico a intermediário. Tenho formação em ciência da computação e conhecimentos básicos de estatística.
Alguém já leu um bom material? onde você aprendeu isso?
obrigado
references
gibbs
fabrizioM
fonte
fonte
Respostas:
Eu começaria com:
Casella, George; George, Edward I. (1992). " Explicando o amostrador de Gibbs ". The American Statistician 46 (3): 167-174. ( PDF GRATUITO )
O Estatístico Americano geralmente é uma boa fonte para artigos introdutórios curtos (ish) que não pressupõem nenhum conhecimento prévio do tópico, embora eles assumam que você tenha o histórico de probabilidade e estatística que seria razoavelmente esperado de um membro do American Associação Estatística .
fonte
Um artigo on-line que realmente me ajudou a entender a Gibbs Sampling é a estimativa de parâmetros para análise de texto por Gregor Heinrich. Não é um tutorial geral de amostragem de Gibbs, mas o discute em termos de alocação de dirichlet latente, um modelo bayesiano bastante popular para modelagem de documentos. Ele entra na matemática com detalhes justos.
Um que entra em detalhes matemáticos ainda mais exaustivos é o Gibbs Sampling for the Uninitiated . E quero dizer exaustivo, pois pressupõe que você conhece algum cálculo multivariado e, em seguida, define cada passo a partir desse ponto. Portanto, enquanto há muita matemática, nada disso é avançado.
Suponho que estes serão mais úteis para você do que algo que deriva de resultados mais avançados, como aqueles que provam por que a amostragem de Gibbs converge para a distribuição correta. As referências que aponto não provam isso.
fonte
O livro Estratégias de Monte Carlo em Computação Científica é um excelente recurso. Ele aborda as coisas de uma maneira matematicamente rigorosa, mas você pode pular facilmente seções matemáticas que não lhe interessam e ainda assim obter muitos conselhos práticos. Em particular, ele faz um bom trabalho em juntar amostras de Metropolis-Hastings e Gibbs, o que é crucial. Na maioria das aplicações, você precisará desenhar a partir de uma distribuição posterior usando a amostragem Gibbs, e assim é útil saber como ela se encaixa na lógica do Metropolis em geral.
fonte