Cours 3 : L échantillonneur de Gibbs

Transcription

1 Cours 3 : L échantillonneur de Gibbs 1) Principes généraux 2) Complétion 3) Convergence 4) Le théorème de Hammersley-Clifford 5) Modèles hiérarchiques 6) Augmentation de données 7) Algorithme MCMC hybride 8) Dangers p. 1/30

2 Principes généraux Pour simuler suivant une loi f(θ) avec θ = (θ 1,...,θ p ), on peut utiliser l idée suivante Initialisation : générer un vecteur θ = (θ 1,...,θ p ) suivant une loi de proposition initiale π 0 Simuler suivant les lois conditionnelles for i = 1, 2,...,p. Θ i θ 1,θ 2,...,θ i 1,θ i+1,...,θ p f i (θ i θ 1,θ 2,...,θ i 1,θ i+1,...,θ p ) p. 2/30

3 L échantillonneur de Gibbs Étant donné θ (t) = ( ) θ (t) 1,...,θ(t) p, 1. Générer θ (t+1) 1 f 1 (θ 1 θ (t) 2,...,θ(t) p ), 2. Générer θ (t+1) 2 f 2 (θ 2 θ (t+1)... p. Générer θ (t+1) p 1,θ (t) 3,...,θ(t) p ), f p (θ p θ (t+1) 1,θ (t+1) 2,...,θ (t+1) p 1 ), Seules les lois conditionnelles f 1,...,f p sont utilisées pour la simulation. Donc, même pour un problème de grande dimension, toutes les simulations sont univariées! p. 3/30

4 Propriétés Taux d acceptation égal à 1 Choix de la loi de proposition imposé par la méthode Nécessite de connaître les lois conditionnelles de f Ne peut s appliquer si le vecteur paramètre à simuler est de dimension variable Algorithme multi-dimensionnel par construction p. 4/30

5 Cas bidimensionnel Pour simuler suivant (X,Y ) f(x,y) l échantillonneur de Gibbs se réduit à Simuler x 0 et pour t = 1, 2,..., générer (x t,y t ) comme suit 1. y t f y x ( x t 1 ), 2. x t f x y ( y t ), où f y x et f x y sont les lois conditionnelles du couple (X,Y ). Remarque : (x t ) t, (y t ) t et (x t,y t ) t sont des chaînes de Markov. p. 5/30

6 Cas Gaussien : X i N(m, σ 2 ) Vraisemblance f(x m,σ 2 ) ( σ 2) n/2 exp ( 1 2σ 2 ) n (x i m) 2 i=1 Lois a priori Moyenne Variance m N ( m 0,σ 2 0 σ 2 IG (α,β) ) p. 6/30

7 Lois conditionnelles moyenne m σ 2,x N ( M, Σ 2) avec M = nσ2 0 nσ σ 2 ( 1 n n i=1 ( x i )+ σ 2 σ 2 + nσ 2 0 ) m 0 et Σ 2 = σ2 σ 2 0 σ 2 + nσ 2 0 variance σ 2 m, x IG ( n 2 + α, 1 2 ) n (x i m) 2 + β i=1 Donc, on peut simuler des couples (m,σ 2 ) avec l échantillonneur de Gibbs p. 7/30

8 Monte Carlo Statistical Methods The Gibbs Sampler General Principles Example of results with n = 10 observations from the N(0, 1) distribution Number of Iterations 1

9 Monte Carlo Statistical Methods The Gibbs Sampler General Principles Example of results with n = 10 observations from the N(0, 1) distribution Number of Iterations 1, 2

10 Monte Carlo Statistical Methods The Gibbs Sampler General Principles Example of results with n = 10 observations from the N(0, 1) distribution Number of Iterations 1, 2, 3

11 Monte Carlo Statistical Methods The Gibbs Sampler General Principles Example of results with n = 10 observations from the N(0, 1) distribution Number of Iterations 1, 2, 3, 4

12 Monte Carlo Statistical Methods The Gibbs Sampler General Principles Example of results with n = 10 observations from the N(0, 1) distribution Number of Iterations 1, 2, 3, 4, 5

13 Monte Carlo Statistical Methods The Gibbs Sampler General Principles Example of results with n = 10 observations from the N(0, 1) distribution Number of Iterations 1, 2, 3, 4, 5, 10

14 Monte Carlo Statistical Methods The Gibbs Sampler General Principles Example of results with n = 10 observations from the N(0, 1) distribution Number of Iterations 1, 2, 3, 4, 5, 10, 25

15 Monte Carlo Statistical Methods The Gibbs Sampler General Principles Example of results with n = 10 observations from the N(0, 1) distribution Number of Iterations 1, 2, 3, 4, 5, 10, 25, 50

16 Monte Carlo Statistical Methods The Gibbs Sampler General Principles Example of results with n = 10 observations from the N(0, 1) distribution Number of Iterations 1, 2, 3, 4, 5, 10, 25, 50, 100

17 Monte Carlo Statistical Methods The Gibbs Sampler General Principles Example of results with n = 10 observations from the N(0, 1) distribution Number of Iterations 1, 2, 3, 4, 5, 10, 25, 50, 100, 500

18 A Markov Chain Monte Carlo Primer MCMC Basics The Gibbs Sampler Example of Results with, Left n = 10 Observations; Right, n = 100 Observations from the N(0, 1) Distribution σ 2 4 σ µ µ

19 Complétion Définition : la densité g est une complétion de f si g(θ,η)dη = f(θ), Z i.e. si f est une loi marginale de g. Intérêt : les lois conditionnelles de g sont parfois plus simples à simuler que celles de f (e.g. analyse Bayésienne hiérarchique). Notations : pour p > 1, soit Y = (θ, η) de densité g(y) = g(y 1,...,y p ) et de lois conditionnelles Y i y 1,...,y i 1,y i+1,...,y p g i (y i y 1,...,y i 1,y i+1,...,y p ) p. 8/30

20 Echantillonneur de Gibbs après complétion Étant donné y (t) = ( ) y (t) 1,...,y(t) p, 1. Générer y (t+1) 1 g 1 (y 1 y (t) 2,...,y(t) p ), 2. Générer y (t+1) 2 g 2 (y 2 y (t+1)... p. Générer y (t+1) p 1,y (t) 3,...,y(t) p ), g p (y p y (t+1) 1,y (t+1) 2,...,y (t+1) p 1 ), p. 9/30

21 Exemple : loi Cauchy-Normale (1) Posterior Complétion On a f(θ θ 0 ) e θ2 /2 [1 + (θ θ 0 ) 2 ] ν f(θ θ 0 ) 0 e θ2 /2 e [1+(θ θ 0) 2 ] η/2 η ν 1 dη d où g(θ,η) e θ2 /2 e [1+(θ θ 0) 2 ] η/2 η ν 1 p. 10/30

22 Exemple : loi Cauchy-Normale (2) Lois conditionnelles g 1 (η θ) = Ga (ν, 1 + (θ θ ) 0) 2 2 ( ) θ0 η g 2 (θ η) = N 1 + η, η, Le paramètre η n a pas d intérêt physique et sert uniquement à simplifier la simulation d un échantillon θ (t). p. 11/30

23 Condition de positivité Positivité g (i) (y i ) > 0, i = 1,,p où g (i) est la loi marginale de Y i (ou support de la loi cible g égal au produit cartésien des supports des g (i) ) Pour montrer la convergence de l échantillonneur de Gibbs, la loi cible doit vérifier la condition de positivité. Contre-exemple g(y 1,y 2 ) = 1 2π [I ǫ(y 1,y 2 ) + I ǫ (y 1,y 2 )], où ǫ et ǫ sont deux disques de rayons 1 centrés sur (1, 1) et ( 1, 1). p. 12/30

24 Illustration de la non-positivité Initialisation Aléatoire µ µ 1 p. 13/30

25 Illustration de la non-positivité Gibbs coincé autour du mauvais mode µ µ 1 p. 14/30

26 Convergence de l échantillonneur de Gibbs Si la condition de positivité est vérifiée et si le noyau de transition est absolument continu par rapport à g, on a Ergodicité Si h(y) g(y)dy <, alors lim T 1 T T t=1 h(y (t) ) = h(y)g(y)dy Convergence en variation totale K n (y, )µ(dy) g lim n = 0 TV pour toute loi initiale µ. p. 15/30

27 Remarques L échantillonneur de Gibbs est la composition de p algorithmes de Metropolis-Hastings avec des probabilités d acceptation uniformément égales à 1. Échantillonneur de Gibbs à balayage aléatoire p. 16/30

28 Le théorème de Hammersley-Clifford Une loi jointe est caractérisée par l ensemble de ses lois conditionnelles. Dimension 2 Si la densité jointe g(y 1,y 2 ) a des lois conditionnelles notées g 1 (y 1 y 2 ) et g 2 (y 2 y 1 ), alors (Hammersley and Clifford, 1970) g(y 1,y 2 ) = g 2 (y 2 y 1 ) g2 (v y 1 )/g 1 (y 1 v) dv. p. 17/30

29 Généralisation Sous l hypothèse de positivité, une loi jointe g peut s écrire g(y 1,...,y p ) p j=1 g lj (y lj y l1,...,y lj 1,y l j+1,...,y l p ) g lj (y l j y l1,...,y lj 1,y l j+1,...,y l p ) pour toute permutation l définie sur {1,...,p} et tout y Y. p. 18/30

30 Modèles hiérarchiques L échantillonneur de Gibbs est particulièrement bien adapté aux modèles hiérarchiques : Les paramètres inconnus sont munis de lois a priori ainsi que les hyperparamètres associés En général, on introduit des lois non informatives au dernier niveau de la hiérarchie p. 19/30

31 Exemple Données Poissonniennes X i P (λ 1 ) pour i = 1,...,l 1, X i P (λ 2 ) pour i = l 1 + 1,...,n, avec l 1 connu. Lois a priori sur les paramètres λ 1 Ga (α,β), λ 2 Ga (α,β), α = 2. Loi a priori sur les hyperparamètres f(β) = 1 β I R +(β) p. 20/30

32 Loi jointe f (x,λ,β) 1 β l 1 i=1 Loi conditionnelles [ λ x i ] n 1 x i! e λ 1 i=l 1 +1 [ λ x i ] 2 2 x i! e λ 2 i=1 β α Γ (α) λα 1 i e βλ i pour les paramètres λ i ( l1 ) λ 1 β,x Ga x i + α,β + l 1 λ 2 β,x Ga pour β Matlab : simu-poisson i=1 ( n i=l 1 +1 x i + α,β + n l 1 ) β x,λ Ga (2α,λ 1 + λ 2 ), p. 21/30

33 Données Poissonniennes cachées Observations ou plus Nombre Données : observations du nombre de données égales à 0, 1, 2, 3 et du nombre de données 4. Vraisemblance ( 3 l(x 1,...,x 5 ;λ) e 347λ λ e λ i=0 λ i i! ) 13, Idée : on munit λ d une loi a priori π(λ) = 1/λ et on complète ce paramètre par y = (y 1,...,y 13 ). p. 22/30

34 Loi a posteriori ( 13 l(λ,y 1,...,y 13 x 1,...,x 5 ) e 347λ λ i=1 λ y i e λ ) 1 λ, Lois conditionnelles y i λ P(λ)I yi 4,i = 1,..., 13 λ y Ga ( i=1 y i, 360 ) Estimateur de λ λ = 1 360T T t=1 ( i=1 y (t) i ) Rao-Blackwellization p. 23/30

35 Conditionnement - Rao-Blackwellization Espérances conditionnelles E[h(Λ)] = E [E[h(Λ) Y ]] Estimateurs Ici on sait calculer g(y ) = E[h(Λ) Y ]. On en déduit deux estimateurs Î 1 = 1 T T h(λ t ) Î 2 = 1 T t=1 T g(y t ) = 1 T T E[h(Λ) Y t ] t=1 t=1 Réduction de variance p. 24/30

36 Résultats de simulation lambda p. 25/

37 Algorithme MCMC hybride Motivations La convergence de l échantillonneur de Gibbs peut être lente car on simule une seule composante à chaque itération Pas de problème avec la loi de proposition comme avec l algorithme de Metropolis-Hastings Certaines lois conditionnelles peuvent être impossibles à simuler Définition : un algorithme MCMC hybride est une méthode MCMC utilisant simultanément des étapes d échantillonneur de Gibbs et des étapes de Metropolis-Hastings p. 26/30

38 Algorithme MCMC hybride Remplacer chaque étape i où une simulation suivant la loi conditionnelle g i (y i )y j,j i est impossible par 1. Simuler ỹ i q i (y i y (t+1) 1,...,y (t) i,y (t) i+1,...,y(t) p ), 2. Prendre y (t+1) i = ỹ i avec probabilité ρ y (t) i avec probabilité 1 ρ ρ = 1 g i y i y (t+1) g i 1,..., y (t) y (t) i y (t+1) i 1,..., y (t) i, y (t) i+1,..., y(t) p, y (t) i+1,..., y(t) p q i q i y (t) i y (t+1) 1,..., y i, y (t) i+1,..., y(t) p y i y (t) 1,..., y(t) i, y (t) i+1,..., y(t) p Remarque : l étape de Metropolis-Hastings n est utilisée qu une fois (et la convergence est assurée). Matlab : metropolis_within_gibbs p. 27/30

39 Dangers Modèle à effets aléatoires Y ij = µ + α i + ε ij, i = 1,...,I, j = 1,...,J, avec Lois a priori α i N(0,σ 2 ) et ε ij N(0,τ 2 ), La loi a priori de Jeffreys (impropre) pour les paramètres µ, σ et τ est π(µ,σ 2,τ 2 ) = 1 σ 2 τ 2. p. 28/30

40 Lois conditionnelles Les lois conditionnelles sont définies par ( ) α i y,µ,σ 2,τ 2 J(ȳi µ) N J + τ 2 σ 2, (Jτ 2 + σ 2 ) 1 µ α,y,σ 2,τ 2 N(ȳ ( ᾱ,τ 2 /JI) ), σ 2 α,µ,y,τ 2 I IG 2, 1 αi 2, 2 ( i ) τ 2 α,µ,y,σ 2 IJ IG 2, 1 (y ij α i µ) 2, 2 i,j, et sont faciles à simuler. Mais la loi jointe n existe pas! p. 29/30

41 Simulations Évolution de µ (t) et histogramme pour 1000 itérations freq observations (1000 iterations) p. 30/30