एक अच्छा गिब्स नमूना ट्यूटोरियल और संदर्भ

Question

मैं सीखना चाहता हूं कि गिब्स सैंपलिंग कैसे काम करता है और मैं इंटरमीडिएट के पेपर के लिए एक अच्छे बेसिक की तलाश में हूं। मेरे पास एक कंप्यूटर विज्ञान पृष्ठभूमि और बुनियादी सांख्यिकीय ज्ञान है।

किसी ने आसपास अच्छी सामग्री पढ़ी है? तुमने इसे कहाँ सीखा?

धन्यवाद

Comments

googling "गिब्स नमूना" विषय पर विचारों की एक श्रृंखला प्राप्त करने के लिए एक बुरा तरीका नहीं है। मुझे लगता है कि इसकी शुरुआत करने का एक अच्छा तरीका है, क्योंकि आप इसे "संदेहपूर्ण दिमाग" के साथ संपर्क करने की कोशिश करते हैं - आप googles शब्द को नहीं ले सकते हैं, इसलिए आपको विचारों की एक श्रृंखला खोजने की आवश्यकता है। जब आप लागू करने का प्रयास करते हैं, तो निश्चित रूप से आपको बाद के चरण में एक सम्मानित स्रोत की आवश्यकता हो सकती है। लेकिन "सम्मानित स्रोत" के साथ शुरू करना हमेशा सबसे अच्छा विचार नहीं है, क्योंकि वे कुछ करने के एक विशेष तरीके से काफी संलग्न हो सकते हैं - अर्थात वे "सही तरीका" जानते हैं और "अन्य सभी गलत या अप्रभावी हैं"।

— प्रोबेबिलिसलॉजिक

(+1) Googling द्वारा आसानी से पूछे जाने वाले प्रश्नों का आमतौर पर स्वागत नहीं किया जाता है, लेकिन यह एक IMO एक समुदाय के सामूहिक ज्ञान को इस तरह से भुनाने का प्रयास करता है जो Google रैंकिंग नहीं कर सकती। यह देखना दिलचस्प होगा कि इस सामग्री को सीखने के लिए लोग वास्तव में किन स्रोतों को उपयोगी पाते हैं।

— whuber

यही दिक्कत है। Google बहुत सारे परिणाम देता है और सभी कागजात या ट्यूटोरियल पर्याप्त स्पष्ट नहीं होते हैं।

— फैब्रीज़ियोएम

Answer 1

मैं इसके साथ शुरू करूँगा:

कैसला, जॉर्ज; जॉर्ज, एडवर्ड आई (1992)। " गिब्स की व्याख्या करना "। द अमेरिकन स्टेटिस्टिशियन 46 (3): 167-174। ( मुफ़्त पीडीएफ )

सार : कंप्यूटर-गहन एल्गोरिदम, जैसे गिब्स नमूना, लागू और सैद्धांतिक काम दोनों में तेजी से लोकप्रिय सांख्यिकीय उपकरण बन गए हैं। हालांकि, ऐसे एल्गोरिदम के गुण कभी-कभी स्पष्ट नहीं हो सकते हैं। यहाँ हम एक सरल विवरण देते हैं कि गिब्स नमूना कैसे और क्यों काम करता है। हम विश्लेषणात्मक रूप से एक साधारण मामले में इसके गुणों को स्थापित करते हैं और अधिक जटिल मामलों के लिए अंतर्दृष्टि प्रदान करते हैं। इसके कई उदाहरण भी हैं।

अमेरिकी सांख्यिकीविद् अक्सर लघु (ईश) परिचयात्मक लेखों के लिए एक अच्छा स्रोत है जो विषय के किसी भी पूर्व ज्ञान को ग्रहण नहीं करते हैं, हालांकि वे मानते हैं कि आपके पास संभावना और आंकड़ों की पृष्ठभूमि है जो अमेरिकी के एक सदस्य से यथोचित उम्मीद की जा सकती है। सांख्यिकीय संघ ।

Answer 2

एक ऑनलाइन लेख जिसने वास्तव में मुझे समझने में मदद की गिब्स नमूनाकरण ग्रेगर हेनरिक द्वारा पाठ विश्लेषण के लिए पैरामीटर अनुमान है । यह एक सामान्य गिब्स नमूना ट्यूटोरियल नहीं है, लेकिन यह दस्तावेज़ मॉडलिंग के लिए एक काफी लोकप्रिय बेइज़ियन मॉडल, अव्यक्त डरिचलेट आवंटन के संदर्भ में चर्चा करता है। यह निष्पक्ष विस्तार से गणित में जाता है।

एक है कि और भी अधिक गणितीय विस्तार में चला जाता है जिब्स नमूने के लिए Uninitiated है । और मेरा मतलब है कि इसमें आपको लगता है कि आप कुछ बहुभिन्नरूपी पथरी को जानते हैं और फिर उस बिंदु से हर चरण को पूरा करते हैं। तो जबकि गणित का एक बहुत कुछ है, इसमें से कोई भी उन्नत नहीं है।

मुझे लगता है कि ये आपके लिए अधिक उपयोगी होंगे, फिर ऐसा कुछ जो अधिक उन्नत परिणाम प्राप्त करता है, जैसे कि यह साबित करता है कि गिब्स नमूना सही वितरण में क्यों परिवर्तित होता है। मैं जिन संदर्भों की ओर संकेत करता हूं, वे यह साबित नहीं करते हैं।

Answer 3

मोंटे कार्लो स्ट्रेटेजिज इन साइंटिफिक कंप्यूटिंग की पुस्तक एक उत्कृष्ट संसाधन है। यह गणितीय रूप से कठोर तरीके से चीजों को संबोधित करता है, लेकिन आप आसानी से उन गणितीय अनुभागों को छोड़ सकते हैं जो आपकी रुचि नहीं रखते हैं और अभी भी इसके बारे में व्यावहारिक सलाह प्राप्त करते हैं। विशेष रूप से, यह महानगर-हेस्टिंग्स और गिब्स के नमूने को एक साथ बांधने का एक अच्छा काम करता है, जो महत्वपूर्ण है। अधिकांश अनुप्रयोगों में आपको गिब्स नमूना का उपयोग करके एक पीछे के वितरण से आकर्षित करने की आवश्यकता होगी, और इसलिए यह जानना कि यह महानगर के तर्क में कैसे फिट होता है, सहायक है।