Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Luis Gutiérrez
Departamento de Estadı́stica
Pontificia Universidad Católica de Chile
Sea w = (w1 , w2 , . . . , wN )
Se dice que w ∼ Dirichlet(α1 , α2 , . . . , αN ) si
Γ( N N
P
j=1 αj ) α −1
Y
P(w1 , w2 , . . . , wN ) = QN wj j
j=1 Γ(αj ) j=1
Yee Whye Teh (Gatsby) DP and HDP Tutorial Mar 1, 2007 / CUED 4 / 53
A Dirichlet
Diremos que G Process (DP)Proceso
sigue un is a distribution over probability
Dirichlet y lo denotaremos como
measures.
A DP has two parameters:
G∼
Base distribution H, which DP(M,
is like G0of),the DP.
the mean
Strength parameter ↵, which is like an inverse-variance of the DP.
sı́ paraWe write:
cualquier partición finita (A1 , . . . , AN ) de X
G ⇠ DP(↵, H)
(G (Aany
if for 1 ),partition
. . . , G (A . . ,∼
, .))
(A1N An )Dirichlet(MG
of X: 0 (A1 ), . . . , MG0 (AN ))
(G(A1 ), . . . , G(An )) ⇠ Dirichlet(↵H(A1 ), . . . , ↵H(An ))
A4
A1
A6
A3 A5
A2
Yee Whye Teh (Gatsby) DP and HDP Tutorial Mar 1, 2007 / CUED 5 / 53
MG0 (A)
E[G (A)] = ,
MG0 (A) + MG0 (Ac )
MG0 (A)
= ,
M(G0 (A) + G0 (Ac ))
= G0 (A).
1.0
1.0
0.8 M = 1, G_0:=N(0,1) M = 5, G_0:=N(0,1)
0.8
0.6
0.6
Gx
Gx
0.4
0.4
0.2
0.2
0.0
0.0
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3
x x
1.0
1.0
M = 20, G_0:=N(0,1) M = 100, G_0:=N(0,1)
0.8
0.8
0.6
0.6
Gx
Gx
0.4
0.4
0.2
0.2
0.0
0.0
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3
donde ∞
P
j=1 wj = 1, casi seguramente y δθ (·) es la medida de Dirac
sobre θ
En (1), se asume que {w }∞ ∞
j=1 son independientes de los {θ}j=1 . Estos
últimos son iid desde G0 .
G ~ DP(α, G0)
G ~GDP(α,
Entonces G0)G0 ), puede lucir ası́
∼ DP(M,
11
11
iid
y los átomos los generamos desde G0 , θj ∼ G0 , j > 1, entonces
∞
X
G (·) = wj δθj (·)
j=1
yi ∼ F (yi | θi ), i = 1, . . . , n, (2)
iid
θi ∼ G,
G ∼ DP(M, G0 ).
Considere el modelo
∞
iid
X
yi ∼ wj F (yi | θj ), i = 1, . . . , n
j=1
(yi | di = j) ∼ F (yi | θj ),
Con esto tenemos que la condicional completa para los átomos esta
dada por
Y
π(θj | · · · ) ∝ g0 (θj ) f (yi | θj ), j = 1, . . . , N
{i:di =j}
j=1
j=1
1+ ni=1 1(di =j) −1
P Pn
= vj (1 − vj )M+ i=1 1(di >j) −1
Finalmente
P(di = k) ∝ 1(k:wk >ui ) f (yi | θk )
muestrear di ; i = 1, . . . , n
Repetir los pasos 2 a 6 hasta alcanzar la estacionariedad.
Day 15
10
8
6
Density
4
2
0
Weight in Kg
Day 34
6
5
4
Density
3
2
1
0
Weight in Kg
Day 74
5
4
Density
3
2
1
0
Weight in Kg
Day 154
2.0
1.5
Density
1.0
0.5
0.0
0 1 2 3
Weight in Kg