Gibbs-Sampling
Gibbs-Sampling ist ein Markov-Ketten-Monte-Carlo-Algorithmus, der eine hochdimensionale A-posteriori-Verteilung approximiert, indem wiederholt jeder Parameter aus seiner vollständigen bedingten Verteilung gegeben alle anderen Parameter und die Daten gezogen wird. Da jeder Zug exakt aus einer Bedingten gezogen wird – nicht ein Vorschlag, der verworfen werden kann –, ist der Sampler effizient, wenn diese Konditionalen in geschlossener Form verfügbar sind.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+23 more
Quellen
- Geman, S. & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721-741. DOI: 10.1109/TPAMI.1984.4767596 ↗
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398-409. DOI: 10.1080/01621459.1990.10476213 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Gibbs Sampling Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/de/bayesian/gibbs-sampling
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayes'sche RegressionBayes-Statistik↔ compare
- Hamiltonian Monte CarloBayes-Statistik↔ compare
- Hierarchische Bayes'sche InferenzBayes-Statistik↔ compare
- Markov-Kette Monte Carlo (MCMC)Bayes-Statistik↔ compare
- Variationelle InferenzBayes-Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →