(10.15) W10_L06 Metropolis Hastings Algorithm

https://youtu.be/1cLbr0417GM

---

성빈(2018.10.15):
q()는 임의로 만든것이기때문에 reversible 하지 않아서
Accept와 Reject를 통해 reversible하게 만들어줘야한다.
-> ratio가 1이 되도록 해야한다.
Randomwalk mh algorithm 결과를 그림으로 봤는데
시그마 값이 작으면 세밀 -> 크면 잘 샘플링이 된단다.
초기에는 넓게 잡아서 모양을 잘 찾은다음 시그마를 줄여나가면서
세밀하게 샘플링 해야된다.

---

진구(2018.10.15)
메트로폴리스 헤이스팅스 알고리즘의 핵심 개념은 proposal distribution이 있는데 이 분포대로 transition이 이루어 지는 것이 아니라 또 acceptable Probability가 있어서 accept되면 넘어가고 reject되면 직전 값을 계속 갖는 것이다.
성빈이가 말한거 처럼 reversible하지 않기 때문에 accenptance probability인 알파를 조절해서 ratio를 조절해 주어야 한다. z^t에서 z*로 가는것과 돌아오는 것들의 확률을 잘 조절해 주는 것이 중요하다.

---

승관(2018.10.15)\

• Metropolis-Hastings 알고리즘은 MCMC에 대한 Genaral algorithm이다.

• 기존 샘플링과 다르게 zt를 사용한 Markov Chain을 활용한 것이 다르다.

• z*를 그대로 Accept를 하는게 아니라 a에 따라 Coinfluence해서 결과에 따라 사용한다.

---