Гарні підручники та довідники Гіббса

Я хочу дізнатися, як працює відбір проб Гіббса, і я шукаю хороший основний та проміжний папір. У мене є інформація з інформатики та основні статистичні знання.

Хтось читав хороший матеріал навколо? де ти це навчився?

Спасибі

Я б почав із:

Казелла, Джордж; Джордж, Едвард І. (1992). Msgstr " Пояснення пробірника Гіббса ". Американський статистик 46 (3): 167–174. ( БЕЗКОШТОВНА PDF )

Анотація : Комп'ютерно-інтенсивні алгоритми, такі як пробовідбірник Гіббса, стають все більш популярними статистичними інструментами, як у прикладній, так і теоретичній роботі. Властивості таких алгоритмів, однак, іноді можуть бути не очевидні. Тут ми даємо просте пояснення того, як і чому працює пробовідбірник Гіббса. Ми аналітично встановлюємо його властивості у простому випадку та надаємо уявлення про складніші випадки. Також є ряд прикладів.

Американський статистик часто є хорошим джерелом для коротких (іш) вступних статей, які не передбачають жодних попередніх знань з цієї теми, хоча вони припускають, що ви маєте передумови в імовірності та статистиці, яку можна з розумом очікувати від члена Америки Статистична асоціація .

Одна стаття в Інтернеті, яка дійсно допомогла мені зрозуміти вибірку Гіббса - це оцінка параметрів аналізу тексту Грегора Генріха. Це не загальний посібник з вибірки Гіббса, але він обговорює його з точки зору прихованого розподілу диріхлету, досить популярної баєсової моделі для моделювання документів. Це переходить у математику досить детально.

Однією з вичерпних математичних деталей є вибірка Гіббса для непосвячених . І я маю на увазі вичерпне, оскільки передбачає, що ви знаєте кілька багатовимірних обчислень, а потім викладає кожен крок з цієї точки. Отже, хоча математики багато, жодна з них не є вдосконаленою.

Я припускаю, що вони стануть вам більш корисними, ніж те, що дає більш досконалі результати, наприклад, ті, які підтверджують, чому вибірки Гіббса сходяться до правильного розподілу. Посилання, які я вказую, не підтверджують цього.

Книга " Стратегії Монте-Карло" в галузі наукових обчислень - прекрасний ресурс. Це стосується речей математично суворо, але ви можете легко пропустити математичні розділи, які вас не цікавлять, і все ж отримуєте з нього багато практичних порад. Зокрема, це непогана робота, пов’язуючи вибірки Метрополіс-Гастінгса та Гіббса, що є надзвичайно важливим. У більшості застосунків вам потрібно буде базуватися на задньому розподілі за допомогою вибірки Гіббса, і тому знання того, як воно вписується в логіку Metropolis взагалі є корисним.