Bayesian methodsBayesian / computational

نمونه‌گیری گیبس

نمونه‌گیری گیبس یک الگوریتم مونت کارلو زنجیره مارکوف است که با نمونه‌برداری مکرر از هر پارامتر از توزیع شرطی کامل آن با توجه به سایر پارامترها و داده‌ها، توزیع پسین چندبعدی را تقریب می‌زند. از آنجایی که هر نمونه‌برداری دقیق از یک شرطی است - نه یک پیشنهاد که ممکن است رد شود - نمونه‌گیر زمانی کارآمد است که آن شرطی‌ها در فرم بسته در دسترس باشند.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

+23 more

منابع

  1. 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
  2. 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

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Gibbs Sampling Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/fa/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.

Compare side by side

ارجاع‌شده در

ScholarGateGibbs Sampling (Gibbs Sampling Markov Chain Monte Carlo). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/bayesian/gibbs-sampling · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026