SIMULAÇÃO PERFEITA PARA CADEIAS ESTOCÁSTICAS
Palestrante: Alexsandro Giacomo Grimbert Gallo (Unicamp)
Local: Sala de seminários do DEs - UFSCar
Algoritmos de simulação perfeita (perfect simulation algorithms) têm como objetivo a construção de amostras finitas distribuídas exatamente de acordo com a medida estacionária do processo. A palavra “exatamente" tem importância, vem daí o nome inglês também comumente utilizado de exact sampling. Por esta razão, esta área de pesquisa é de particular utilidade para algoritmos MCMC. Mas veremos que desenvolver tais algoritmos pode também ser útil de um ponto de vista teórico, como por exemplo, mostrar, por construção, a existência de certas cadeias estacionárias. Nós focaremos sobre uma classe particular de algoritmos, chamados “algoritmos de acoplamento desde o passado" (Coupling from the past algorithms), e sobre o mundo das cadeias estocásticas (isto é unidimensional, tempo discreto) a valor em alfabeto finito. Começaremos mostrando como construir tais algoritmos no caso bem conhecido das cadeias de Markov, e rapidamente, veremos como tratar casos não markovianos menos conhecidos. Daremos muitos exemplos. Nós usaremos as seguintes referências: Propp & Wilson (1996), Comets et al. (2002), Gallo (2009).
