Changes between Version 12 and Version 13 of TolDocModelPlanIntegracionSistemasEstimacion

Timestamp:

Jun 16, 2011, 7:00:49 PM (14 years ago)

Author:

Víctor de Buen Remiro

Comment:

--

TolDocModelPlanIntegracionSistemasEstimacion

@@ -34 +34 @@
 
  * '''Diseño por bloques de variables''': El mayor salto cualitativo de BSR sobre otros intentos anteriores
-   de simulación bayesiana es el diseño por bloques de Gibbs. Para poder acometer muchas de las mejoras
-   que se pretenden hay que ir a un enfoque de tipo ''Metropolis within Gibbs''
+   de simulación bayesiana es el diseño por bloques de Gibbs.
  * '''Diseño por segmentos de regresión''': Está claro que uno de los grandes logros de BSR es la capacidad para
    definir diferentes segmentos de regresión, cada uno de los cuales tiene definida una distribución de 
@@ -110 +109 @@
  * '''Estimación''':
   * Simulación MCMC: Generación de cadenas de Markov de Montecarlo.
-   * División en bloques de Gibbs: Debe haber un proceso maestro (master) que se encargue de disparar
-     la generación de cada bloque según una estrategia dada (secuencial, aleatoria o arbitraria)
-   * Generación dentro de cada bloque tipo Metropolis-Hastings y derivados mediante BysSampler, 
-     basado únicamente en el logaritmo, salvo una constante, de la función de densidad condicionada 
-     por el resto de bloques. 
    * Continuación (resume) de una cadena en una nueva sesión: Esta es una característica tan importante como 
      poco usada de BSR que debe ser dada a conocer, pues es de gran utilidad para restablecerse de una 
@@ -177 +171 @@
 clase de modelos. Ahora mismo tenemos la base para estimar modelos generalizados pero de un solo bloque,
 es decir, que no se puede introducir jerarquías ni integrar con estructuras ARIMA u omitidos. Tan sólo
-admiten información a priori escalar, ponderación de datos y restricciones de desigualdad lineal, por 
-lo que está bastate claro que más temprano que tarde resultará inevitable afrontarlo.
+admiten información a priori escalar o de homogenidad simple, ponderación de datos y restricciones de 
+desigualdad lineal, por lo que está bastate claro que más temprano que tarde resultará inevitable 
+afrontarlo.
 
+El esquema de simulación más flexible para modelos tan generales sería un ''Metropolis within Gibbs''
 
+   * División en bloques de Gibbs: Debe haber un proceso maestro (master) que se encargue de disparar
+     la generación de cada bloque según una estrategia dada (secuencial, aleatoria o arbitraria). Al 
+     contrario de lo que ocurre con el actual BSR, el proceso maestro no necesita conocer la 
+     semántica de cada uno de los bloques, no hace distingos entre bloques lineales, ARIMA o de 
+     varianzas, sino que le basta con que cada uno tenga un método capaz de generar una muestra 
+     de forma condicionada al resto de bloques. Es necesario crear un protocolo básico de 
+     condicionamiento entre bloques que sea totalmente general y no implique que ni el master 
+     ni los propios bloques tengan que conocer los intríngulis de los demás. Este protocolo formaría
+     parte de la definición del master y tendría la estructura básica de enlace entre variables
+    * id_cnr_blk : índice del bloque condicionador
+    * id_cnr_var : índice de la variable condionadora
+    * id_cnd_blk : índice del bloque condicionado
+    * id_cnd_var : índice de la variable condionada
+     Cada vez que se genera una muestra del iésimo bloque se debe modificar los valores correspndientes 
+     a los enlaces para los que id_cnr_blk = i
+   * Generación dentro de cada bloque tipo Metropolis-Hastings y derivados mediante BysSampler, 
+     basado únicamente en el logaritmo, salvo una constante, de la función de densidad condicionada 
+     por el resto de bloques. 
+