การหักไม้และการวัดแบบสุ่ม

การหักไม้เป็นวิธีการที่ชัดเจนในการสร้างการวัดแบบไม่ต่อเนื่องแบบสุ่มที่เป็นพื้นฐานของไบเซียนนอนพาราเมตริกพรีออร์ ทำให้สามารถจำลองและคำนวณได้

Definition

การสร้างแบบหักไม้เป็นการสร้างการวัดความน่าจะเป็นแบบไม่ต่อเนื่องแบบสุ่มโดยการหักส่วนของไม้ที่มีความยาวหนึ่งหน่วยอย่างต่อเนื่องเพื่อสร้างน้ำหนัก และกำหนดตำแหน่งให้กับแต่ละน้ำหนักที่ดึงมาจากมาตรวัดพื้นฐาน ซึ่งให้การนำเสนอที่ชัดเจนของพรีออร์แบบนอนพาราเมตริก เช่น กระบวนการ Dirichlet

Scope

หัวข้อนี้ครอบคลุมการสร้างกระบวนการ Dirichlet โดยการหักไม้ของ Sethuraman การกระจายน้ำหนักที่ได้ การขยายแนวคิดเช่นกระบวนการ Pitman-Yor และพรีออร์แบบหักไม้อื่นๆ การวัดแบบสุ่มอย่างสมบูรณ์ และอัลกอริทึมการตัดทอนและการสุ่มแบบสไลซ์ที่การนำเสนอเหล่านี้ช่วยให้สามารถทำได้

Core questions

• การหักไม้สร้างน้ำหนักของกระบวนการ Dirichlet ได้อย่างไร?
• กระบวนการ Pitman-Yor และพรีออร์แบบหักไม้อื่นๆ ขยายการสร้างนี้ได้อย่างไร?
• การวัดแบบสุ่มอย่างสมบูรณ์คืออะไร และสร้างพรีออร์แบบนอนพาราเมตริกได้อย่างไร?
• การตัดทอนและการสุ่มแบบสไลซ์ใช้ประโยชน์จากการนำเสนอเหล่านี้สำหรับการอนุมานได้อย่างไร?

Key concepts

• การสร้างแบบหักไม้
• การกระจายแบบ GEM
• กระบวนการ Pitman-Yor
• การวัดแบบสุ่มอย่างสมบูรณ์
• การตัดทอน
• การสุ่มแบบสไลซ์
• อะตอมและน้ำหนัก

Key theories

การนำเสนอแบบหักไม้

Sethuraman แสดงให้เห็นว่ากระบวนการ Dirichlet สามารถเขียนได้ในรูปผลรวมถ่วงน้ำหนักอนันต์ของมวลจุด โดยมีน้ำหนักที่เกิดจากการหักไม้แบบ Beta-distributed ที่เป็นอิสระ ทำให้พรีออร์มีความชัดเจนและจำลองได้

การอนุมานแบบหักไม้

วิธีการ Gibbs แบบตัดทอนและการสุ่มแบบสไลซ์ที่สร้างขึ้นจากรูปแบบการหักไม้ทำให้อัลกอริทึมทั่วไปสำหรับการอนุมานแบบเบย์เซียนภายใต้พรีออร์แบบหักไม้ในวงกว้าง

Clinical relevance

การนำเสนอแบบหักไม้เป็นพื้นฐานของอัลกอริทึมที่ใช้งานได้จริงสำหรับการปรับแบบจำลองการผสมแบบนอนพาราเมตริกและการจัดกลุ่ม ทำให้สามารถนำไปใช้ในการถอดรหัสพันธุกรรม การสร้างแบบจำลองหัวข้อ และการประยุกต์ใช้ขนาดใหญ่อื่นๆ

History

การสร้างแบบหักไม้ของ Sethuraman ในปี 1994 ทำให้กระบวนการ Dirichlet มีรูปแบบที่ชัดเจนและคำนวณได้ วิธีการสุ่มตัวอย่างของ Ishwaran และ James ในปี 2001 และการขยายแนวคิด Pitman-Yor ได้ขยายสิ่งนี้ไปยังตระกูลกว้างๆ ของพรีออร์แบบหักไม้ซึ่งเป็นหัวใจสำคัญของการคำนวณแบบไบเซียนนอนพาราเมตริกสมัยใหม่

Key figures

• Jayaram Sethuraman
• Hemant Ishwaran
• Lancelot James
• Jim Pitman

Seminal works

• sethuraman1994
• ishwaran2001

Frequently asked questions

เหตุใดการสร้างแบบหักไม้จึงมีประโยชน์?

มันเปลี่ยนพรีออร์นามธรรมเหนือการแจกแจงให้เป็นผลรวมที่ชัดเจนและจำลองได้ของมวลจุดถ่วงน้ำหนัก ซึ่งทำให้สามารถดึงข้อมูลจากพรีออร์และออกแบบตัวอย่าง Gibbs และตัวอย่างสไลซ์สำหรับการอนุมานแบบเบย์เซียนได้