Bayesian methodsBayesian / computational

דגימת גיבס

דגימת גיבס היא אלגוריתם מרקוב שרשרת מונטה קרלו (Markov chain Monte Carlo) המקרב התפלגות פוסטריורית רב-ממדית על ידי דגימה חוזרת של כל פרמטר מהתפלגותו המותנית המלאה (full conditional distribution) בהינתן כל הפרמטרים האחרים והנתונים. מכיוון שכל דגימה היא מדויקת מהתפלגות מותנית – ולא הצעה שעשויה להידחות – הדוגם יעיל כאשר התפלגויות מותנות אלו זמינות בצורה סגורה.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

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

+23 more

מקורות

  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

איך לצטט עמוד זה

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

מאוזכר על ידי

ScholarGateGibbs Sampling (Gibbs Sampling Markov Chain Monte Carlo). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/bayesian/gibbs-sampling · מערך נתונים: https://doi.org/10.5281/zenodo.20539026