MUESTREADOR DE GIBBS: explicación completa || Markov Chain Montecarlo || Estadística y Data Science

El muestreador de Gibbs es uno de los algoritmos conocidos como Markov Chain Monte Carlo (MCMC), que nos permite muestrear distribuciones de probabilidad complejas sin necesidad de conocer su función de densidad analítica. Es además, una variante del algoritmo Metropolis-Hastings, clasificado entre los 10 algoritmos más importantes del siglo XX para el desarrollo de la ciencia y la ingeniería.

Por tanto, como os podéis imaginar, es una herramienta imprescindible que cualquier científico o ingeniero de datos debería tener en su arsenal.

En este vídeo, no solo aprenderemos en qué consiste este algoritmo, sino que comprenderemos el por qué de su funcionamiento y las situaciones en las que convendrá usarlo.

Para la realización de este vídeo, me he basado principalmente en el siguiente paper de G.Casella y E. George, publicado por la American Statistical Association:
http://www2.stat.duke.edu/~scs/Courses/Stat376/Papers/Basic/CasellaGeorge1992.pdf

Además, para profundizar en este y otros algoritmos MCMC, además de en muchos conceptos de estadística bayesiana fundamentales para los científicos de datos y apasionados de la inteligencia artifical, os recomiendo haceros con este libro:
https://amzn.to/3L7F04N

Si te han quedado preguntas, no dudes en dejarlas en los comentarios o en mandarme un correo a la siguiente dirección de contacto:
elprofestudiante@gmail.com

Видео MUESTREADOR DE GIBBS: explicación completa || Markov Chain Montecarlo || Estadística y Data Science канала ElprofEstudiante