Gostaria de entender esse tópico, mas aprender com os white papers e tutoriais é difícil, porque existem muitas lacunas que geralmente são preenchidas em livros didáticos.
Se for importante, tenho um histórico matemático relativamente forte, como fiz meu Ph.D. em matemática aplicada (CFD para ser mais preciso).
Respostas:
Com relação ao seu comentário à solução da @ jerad, acredito que você não precisa se decepcionar porque não pode provar a fórmula 12. Ele precisa de alguma teoria dos processos estocásticos. Se você quiser saber como a fórmula 12 é derivada, verifique no artigo de Ferguson, Uma análise bayesiana de alguns problemas não paramétricos ( The Annals of Statistics 1973, 1 (2): 209), que primeiro provaram a existência do Processo Dirichlet e suas propriedades.
Em geral, para estudar os parâmetros não paramétricos bayesianos, é necessário estudar a teoria da probabilidade e os processos estocásticos. Menciono dois livros comuns no BNP:
Até onde eu sei, esse livro ainda não existe, pois a área ainda é bastante nova. Os dois livros não paramétricos bayesianos que eu vi são basicamente apenas um monte de artigos de revisão de vários pesquisadores reunidos.
Se você tem um Ph.D. em matemática, aplicada ou não, tenho certeza de que você consegue entender lendo os papéis padrão.
Provavelmente a introdução mais suave e completa aos métodos BNP é este tutorial de Sam Gershman .