Glossário IA
O dicionário completo da Inteligência Artificial
Distribuição Alvo
Distribuição de probabilidade da qual desejamos amostrar, muitas vezes desconhecida ou difícil de amostrar diretamente, exigindo métodos MCMC.
Distribuição de Proposta
Distribuição usada para gerar candidatos no algoritmo Metropolis-Hastings, também chamada de distribuição de ensaio ou núcleo de transição.
Razão de Aceitação
Probabilidade de aceitar um candidato no algoritmo Metropolis-Hastings, calculada como o mínimo entre 1 e a razão das densidades da distribuição alvo multiplicada pela razão das distribuições de proposta.
Amostrador de Gibbs
Caso particular de Metropolis-Hastings onde as propostas são sempre aceitas, amostrando condicionalmente cada variável dadas as outras variáveis.
Convergência da Cadeia
Momento em que a cadeia de Markov atinge sua distribuição estacionária, crucial para garantir a validade das amostras geradas pelos métodos MCMC.
Metropolis de Caminhada Aleatória
Variante de Metropolis-Hastings onde a distribuição de proposta é simétrica centrada no estado atual, simplificando o cálculo da razão de aceitação.
Posterior
Distribuição de probabilidade dos parâmetros após a observação dos dados, obtida pelo teorema de Bayes e frequentemente amostrada via MCMC.
Diagnóstico de Gelman-Rubin
Método diagnóstico que avalia a convergência de múltiplas cadeias MCMC comparando a variância intra-cadeia com a variância inter-cadeias.
Gráfico de rastreamento
Gráfico temporal que mostra a evolução dos valores de um parâmetro através das iterações MCMC, utilizado para avaliar visualmente a convergência e a mistura.
Balanço Detalhado
Condição matemática que garante que a distribuição alvo é a distribuição estacionária da cadeia, essencial para a validade dos algoritmos MCMC.
Reamostragem por importância
Técnica associada aos MCMC para corrigir os pesos das amostras quando a distribuição de proposta difere significativamente da distribuição alvo.
Ergodicidade
Propriedade que garante que as médias temporais da cadeia convergem para as esperanças sob a distribuição estacionária, fundamental para a inferência MCMC.