Échantillonnage de Gibbs
L'échantillonnage de Gibbs est un algorithme de Monte Carlo par chaînes de Markov qui approxime une distribution a posteriori de haute dimension en tirant répétitivement chaque paramètre de sa distribution conditionnelle complète, étant donné tous les autres paramètres et les données. Comme chaque tirage est exact à partir d'une conditionnelle — et non une proposition qui peut être rejetée — l'échantillonneur est efficace lorsque ces conditionnelles sont disponibles sous forme fermée.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+23 more
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Gibbs Sampling Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/fr/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.
- Régression bayésienneBayésien↔ compare
- Monte Carlo HamiltonienBayésien↔ compare
- Inférence bayésienne hiérarchiqueBayésien↔ compare
- Chaîne de Markov Monte Carlo (MCMC)Bayésien↔ compare
- Inférence variationnelleBayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →