ギブスサンプリングがどのように機能するかを知りたいので、基本から中級の優れた論文を探しています。私はコンピュータサイエンスのバックグラウンドと基本的な統計知識を持っています。
誰かが良い資料を読んだことがありますか？どこで学びましたか？
ありがとう
コメント
- グーグル"ギブスサンプリング"は'主題に関するさまざまな見解を得るのに悪い方法ではありません。 "懐疑的な心"でアプローチする傾向があるので始めるのに良い方法だと思います-できます'グーグルの言葉を当然のことと思っていないので、さまざまなビューを見つける必要があります。もちろん、後の段階で実装しようとすると、信頼できるソースが必要になる場合があります。ただし、"信頼できるソース"から始めることは、特定の方法にかなり執着している可能性があるため、常に最良のアイデアとは限りません。 -つまり、"正しい方法"と"の他のすべてが間違っているか効果がないことを知っています"。
- （+ 1）グーグルが簡単に答えられる質問は通常歓迎されませんが、このIMOはコミュニティの集合的な知恵を利用しようとしますグーグルのランキングではできない方法で。人々が本当にこの資料を学ぶのに役立つと思った情報源を見るのは興味深いでしょう。
- それが問題です。 Googleが返す結果が多すぎて、すべての論文やチュートリアルが十分に明確であるとは限りません。
回答
I ” dで始まる：
Casella、George; George、Edward I.（1992）。 “ Gibbsサンプラーの説明“。アメリカの統計学者 46 （3）：167–174。（無料のPDF ）
要約：Gibbsサンプラーなどのコンピューターを多用するアルゴリズムは、応用と理論の両方の作業でますます人気のある統計ツールになっています。ただし、そのようなアルゴリズムの特性が明確でない場合があります。ここでは簡単に説明します。ギブスサンプラーがどのように、そしてなぜ機能するのかを説明します。単純なケースでそのプロパティを分析的に確立し、より複雑なケースの洞察を提供します。いくつかの例もあります。
American Statistician は、トピックに関する事前の知識を前提としない短い（っぽい）紹介記事の優れた情報源であることがよくありますが、合理的に期待できる確率と統計のバックグラウンドがあることを前提としています。 アメリカ統計学会のメンバーのメンバー。
回答
ギブスサンプリングを理解するのに本当に役立ったオンライン記事の1つは、GregorHeinrichによるテキスト分析のパラメーター推定です。これは一般的なギブスサンプリングチュートリアルではありませんが、ドキュメントモデリングでかなり人気のあるベイズモデルである潜在的ディリクレ割り当ての観点から説明しています。数学についてはかなり詳細に説明します。
さらに詳しく説明します。より網羅的な数学的詳細は、未経験者のためのギブスサンプリングです。つまり、多変量計算を知っていることを前提とし、その時点からすべてのステップをレイアウトするという意味で網羅的です。したがって、「数学はたくさんありますが、どれも高度なものではありません。
ギブスサンプリングが収束する理由を証明するものなど、より高度な結果を導き出すものよりも、これらの方が役立つと思います。正しい分布。私が指摘する参考文献はこれを証明するものではありません。
回答
本科学計算におけるモンテカルロ戦略は優れたリソースです。数学的に厳密な方法で問題に対処しますが、興味のない数学のセクションを簡単にスキップして、そこから多くの実践的なアドバイスを得ることができます。 。特に、メトロポリス・ヘイスティングスとギブスサンプリングを結び付けるという素晴らしい仕事をします。これは非常に重要です。ほとんどのアプリケーションでは、ギブスサンプリングを使用して事後分布から描画する必要があるため、一般的にメトロポリスのロジックにどのように適合するかを知っておくと役立ちます。