Problem: Chcę wykonać próbkowanie Gibbsa, aby wywnioskować trochę z tyłu na podstawie dużego zestawu danych. Niestety mój model nie jest bardzo prosty, dlatego próbkowanie jest zbyt wolne. Rozważałbym podejścia wariacyjne lub równoległe, ale zanim przejdę tak daleko ...
Pytanie: Chciałbym wiedzieć, czy mógłbym losowo próbować (z zastępstwem) z mojego zbioru danych przy każdej iteracji Gibbs, aby mieć mniej instancji do nauki na każdym kroku.
Moją intuicją jest to, że nawet gdybym zmienił próbki, nie zmieniłbym gęstości prawdopodobieństwa i dlatego próbka Gibbsa nie powinna zauważyć sztuczki. Czy mam rację? Czy są jakieś odniesienia do osób, które to zrobiły?
Odpowiedzi:
O strategiach podpróbkowania: na przykład rozważmy dwie obserwacje i i rozważmy niektórym priorytetom znaczenia i zmienność. Niech , a następnie chcemy ocenić to COnsider teraz zmienna dwumianowa . Jeśli wybraliśmy , jeśli wybraliśmy , nowy tylny to gdzieX1∼ N.(μ1,σ2)1) X2)∼ N.(μ2),σ2)2)) θ = (μ1,μ2),σ2)1,σ2)2))
źródło