Faʻataʻitaʻiga o Fesili Talanoaga mo le Metropolis Stage
I le tulaga o faʻataʻitaʻiga Monte Carlo, o le laʻasaga Metropolis o se algorithm taua tele i le faʻainisinia faʻamaumauga ma isi matāʻupu. I lenei vaega, matou te talanoaina faapitoa le metotia Metropolis-Hastings, o se algorithm e faʻaaogaina e faʻataʻitaʻi ai mai tufatufaga faʻafuaseʻi faigata. O le malamalama i laʻasaga i lenei algorithm, e mafai ai ona matou faʻatinoina ni faʻataʻitaʻiga e sili atu le saʻo ma le lelei.
Folasaga i le Algorithm o le Metropolis
Na faʻalauiloa mai le algorithm Metropolis e Nicholas Metropolis ma ana paʻaga i le 1953. O lenei metotia e faʻaaogaina e faʻataʻitaʻi ma faʻataʻitaʻi ai le tulaga o faiga faʻaletino, aemaise lava i latou e aofia ai le tele o vaega e pei o kesi poʻo vai. O le lomiga faʻaonaponei o lenei algorithm, Metropolis-Hastings, o se faʻalauteleina lea e mafai ai ona tosoina faʻataʻitaʻiga mai se tufatufaga faʻatatau e leʻo faʻatulagaina.
Laasaga i le Algorithm o le Metropolis
Ina ia malamalama i le auala e galue ai le algorithm a le Metropolis, e taua le masani i laasaga nei:
1. Fa'aulufaleina: Amata i le filifilia fa'afuase'i o se fofo muamua mai le avanoa o fofo po'o le tufatufaina muamua. Mo se fa'ata'ita'iga, tatou te amata i se tulaga o le vevela po'o le tulaga o le vaega.
2. Fautuaina o se Laasaga Fou: Fautuaina o se tulaga fou (fofo fou) e ala i le faia o se suiga laitiiti i le tulaga o iai nei. E masani ona ta'ua lea o le laasaga "fautuaina". O lenei suiga e masani ona maua mai i se tufatufaga tutusa, e pei o se tufatufaga Gaussian.
3. Fuafuaina o le Taliaina o le Fua Faatatau: Fuafua le fua faatatau o le taliaina, lea e fuafua ai pe tatou te taliaina pe teena se gaioiga ua fautuaina. O lenei fua faatatau o le fua faatatau lea o le avanoa o le tulaga fou i le tulaga o iai nei. I le fa'ailoga fa'amatematika, o lenei fua faatatau e tu'uina atu e:
\[
A = \min\left(1, \frac{P(\text{new})}{P(\text{current})}\right)
\]
lea o le \( P \) o le avanoa e ono iai se tulaga faapitoa.
4. Fa'ai'uga e Fa'aaoga ai le Taliaina o le Fua Faatatau: Fa'atusatusa le fua faatatau o le taliaina ma se tau fa'afuase'i e maua mai se tufatufaga tutusa i le va o le 0 ma le 1. Afai e sili atu le fua faatatau o le taliaina nai lo le tau fa'afuase'i, talia le gaioiga fou; a leai, teena ma tumau i le tulaga o iai nei.
5. Toe Fa'afou: Toe fai laasaga 2 i le 4 mo le aofa'i o toe fa'afou e mana'omia pe se'ia o'o ina paleni le faiga.
Fesili Fa'ata'ita'i ma Talanoaga
Se'i o tatou talanoaina ni fa'ata'ita'iga o fesili ina ia malamalama atili ai i le tulaga o le Metropolis.
Fa'ata'ita'iga Fesili 1
Fesili: O lo'o ia te oe se vaega i le tasi itu o le tulaga \( x \) lea e a'afia i le galuega tauave o le malosiaga gafatia \( U(x) = x^2 \). Faaaoga le algorithm Metropolis e fa'ata'ita'i ai le tufatufaina o tulaga o vaega.
Talanoaga:
1. Fa'auluina: Amata mai le tulaga \( x = 0 \).
2. Fautua se Siitaga Fou: Fautua se tulaga fou \( x' = x + \Delta x \), faatasi ai ma le \( \Delta x \) e aumai mai se tufatufaga Gaussian ma le averesi zero.
3. Fuafuaina o le Fua Faatatau o le Malosiaga: Fuafua le fua faatatau o le malosi:
\[
U = U(x') – U(x) = x'^2 – x^2
\]
O lea la, o le fua faatatau taliaina e:
\[
A = \min\left(1, e^{-\Delta U}\right)
\]
4. Fa'ai'uga: Afai e sili atu le \( A \) nai lo se numera fa'afuase'i i le va o le 0 ma le 1, talia le \( x' \); a leai, tumau i le tulaga \( x \).
5. Toe fai: Toe fai lenei faagasologa i, faapea, i laasaga e 10,000.
O le iʻuga o le tufatufaina o tulaga o le a mulimulitaʻi i se tufatufaga Gaussian ma le zero mean ma le variance e faʻafeagai ma le potential, lea i lenei tulaga, e mafua ai se tufatufaga e faʻatulagaina e le potential energy function.
Fa'ata'ita'iga Fesili 2
Fesili: Faaaoga le algorithm a le Metropolis e fetaui ma le fa'ai'uga o le Bayesian function. Se'i tatou fa'apea tatou te mana'o e fetaui ma se fa'asolo faigofie i totonu o se fa'amaumauga e fa'aaoga ai le linear regression ma le MCMC.
Talanoaga:
1. Fa'auluina: Seti ia fa'atulagaga muamua o le fa'ata'ita'iga \( \beta = (m, c) \).
2. Fautuaina o se Laasaga Fou: Fautuaina ni parakalafa fou o le tufatufaina masani o le multivariate. Mo se faʻataʻitaʻiga, faʻaaoga se tufatufaina Gaussian mo fesuiaʻiga \( m \) ma le \( c \).
3. Fua Faatatau o le Taliaina: Fuafua le fua faatatau o le taliaina e ala i le:
\[
A = \min\left(1, \frac{L(m', c'| \text{data})P(m', c')}{L(m, c| \text{data})P(m, c)}\right)
\]
O fea o le \( L \) o le avanoa, ma le \( P \) o le prior o le parameter.
4. Faaiuga: Faatusatusa le fua faatatau ma se tau faafuaseʻi o le 0 i le 1 e talia pe teena ai le talosaga.
5. Toe Fa'ata'ita'i: Fa'atino le fa'ata'ita'iga i ni toe fa'ata'ita'iga se'ia o'o ina ausia le autasi (convergence).
Faatasi ai ma lenei auala, e mafai ona tatou maua tufatufaga i tua mo paramita o le regression, ma maua ai se auala e faʻamatalaina ma faʻamatalaina ai sootaga i totonu o faʻamaumauga.
I'uga
O le la'asaga o le Metropolis i fa'ata'ita'iga a Monte Carlo e mafai ai ona tatou fa'ata'ita'i mai tufatufaga fa'atatau faigata ma avea ma fa'avae mo le metotia a Metropolis-Hastings. I le fa'aogaina o lenei metotia i vaega eseese, e mafai ona tatou ausia ni fa'ata'ita'iga sili atu ona sa'o ma se malamalamaga sili atu ona auiliili o le faiga. I fa'aoga e amata mai i le fisiki ma le paiolo i le saienisi komepiuta ma fuainumera, o lenei algorithm e ofoina atu ni fofo matagofie ma aoga i fa'afitauli faigata.
