Muestreo de rebanadas: definición simple y pasos

Actualizado por ultima vez el 23 de agosto de 2021, por Luis Benites.

El muestreo de rebanadas (Neal, 2003) es un método de Markov Chain Monte Carlo (MCMC) para muestrear a partir de una distribución de probabilidad .

La idea básica es que se puede muestrear cualquier distribución seleccionando puntos espaciados uniformemente bajo una curva de distribución de probabilidad utilizando un algoritmo MCMC; las distribuciones multivariadas se pueden muestrear tratando cada variable por separado.

Ventajas y desventajas

Aunque Neal afirmó que el muestreo por sectores se “implementa fácilmente para distribuciones univariadas ”, otros autores (p. ej., Royle, 2013) han señalado que puede ser un procedimiento complicado de emplear. Probablemente sea más exacto decir que es más fácil de implementar que otros métodos MCMC similares como el muestreo de Gibbs . Además, necesita menos ajustes que el algoritmo Metropolis-Hastings (Huzurbazar, 2004), que es más sensible a los parámetros de las distribuciones propuestas. Dado que el muestreo por sectores elige de forma adaptativa la magnitud de los cambios realizados en los pasos anteriores, es más eficiente que los algoritmos básicos de Metropolis.

Pasos básicos del muestreo de cortes

El método básico es el siguiente (Bandyopadhyay & Bhattacharya, 2014):

  1. Genere un número aleatorio uniformemente distribuido x.
  2. Seleccione una curva aleatoria f(x).
  3. Elige un punto de partida x 0 , donde el valor de la función f(x 0 ) > 0.
  4. Muestree un valor de y, 0< y < f(x 0 ).
  5. Cortar la curva horizontalmente en y.
  6. Muestree un punto (x, y) dentro del segmento de línea que acaba de crear.
  7. Repita los pasos.

Seleccione aleatoriamente un segmento que se encuentre en o por debajo del valor x de la iteración anterior . Esto asegura que los cortes se elegirán con probabilidades proporcionales a las longitudes de sus segmentos en la curva.

Referencias

Bandyopadhyay, S. y Bhattacharya, R. (2014). Simulación Discreta y Continua: Teoría y Práctica . Prensa CRC.
Hazurbazar, A. (2004). Modelos de diagramas de flujo para datos multiestado de tiempo hasta el evento . John Wiley & Sons.
Neal (2003). Muestreo de cortes. Anales de Estadística. Volumen 31, Número 3, 705-767.
Recuperado el 11 de marzo de 2018 de: https://projecteuclid.org/euclid.aos/1056562461
Royle, J. et. al (2013). Captura-Recaptura espacial . Prensa Académica.

Tengo una Maestría en Ciencias en Estadística Aplicada y he trabajado en algoritmos de aprendizaje automático para empresas profesionales tanto en el sector de la salud como en el comercio minorista.

Deja un comentario

En general, una distribución no central es una transformación de una distribución normal . Estas transformaciones están definidas por parámetros…
statologos comunidad-2

Compartimos información EXCLUSIVA y GRATUITA solo para suscriptores (cursos privados, programas, consejos y mucho más)

You have Successfully Subscribed!