아직 튜링을 재대로 보지 못한 상태에서 전편에 이어 이번에는 Turing이 샘플링 하는 것을 을 좀 더 구체적으로 잘 이해하기 위해 Metropolis-Hasting(MH)를 직접 구현하여 튜링이 샘플링하는 방법을 추정 해 봅니다. 또한 MH로 샘플링 한것과 튜링으로 샘플링 한것을 비교 해 봅니다. 튜링에서 likelihood를 샘플링 하는 방법도 고민 해 봤습니다.
“Conducting Bayesian Inference in Python using PyMC3” 를 Julia Turing 버전으로 옮겨 봤습니다.
원문( MCMC: The Metropolis-Hastings Sampler ) [백업] 의 Julia 1.5.3 버전의 구현 입니다.원문에서는 R을 사용한 샘플 코드를 제공 하고 있습니다. MH(Metropolis-Hastings) 샘플시 제안분포(Proposal Distribution)을 대칭분포 예를 들어 정규분포 등을 사용한 예제를 많이 제공하고 있느데 여기서는 비대칭 분포를 사용하여 샘플링하는 방법에 대해 소개 하고 있습니다.
참조 : https://gregorygundersen.com/blog/2019/11/02/metropolis-hastings/ (백업본)
“Monte Carlo Approximations” (저장버전) 의 MATLAB 코드를 Julia 1.5.3 버전으로 구현함
“A Brief Introduction to Markov Chains” (저장된 버전) 의 MATLAB 코드를 Julia 1.5.3버전으로 구현함 Pluto에서 작성한 코드 입니다.
