Problema: voglio eseguire un campionamento di Gibbs per dedurre alcuni elementi posteriori su un set di dati di grandi dimensioni. Sfortunatamente, il mio modello non è molto semplice e quindi il campionamento è troppo lento. Considererei approcci variazionali o paralleli, ma prima di andare così lontano ...
Domanda: Vorrei sapere se potevo campionare casualmente (con la sostituzione) dal mio set di dati ad ogni iterazione di Gibbs, in modo da avere meno esempi da imparare ad ogni passo.
La mia intuizione è che anche se cambio i campioni, non cambierei la densità di probabilità e quindi il campione di Gibbs non dovrebbe notare il trucco. Ho ragione? Ci sono riferimenti a persone che hanno fatto questo?