Sampling Gibbs
Sampling Gibbs adalah algoritma Markov chain Monte Carlo yang memperkirakan distribusi posterior berdimensi tinggi dengan berulang kali menarik setiap parameter dari distribusi kondisional lengkapnya mengingat parameter lain dan data. Karena setiap penarikan tepat dari kondisional — bukan proposal yang dapat ditolak — sampler efisien ketika kondisional tersebut tersedia dalam bentuk tertutup.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+23 more
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Gibbs Sampling Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/id/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.
- Regresi BayesianBayesian↔ compare
- Hamiltonian Monte CarloBayesian↔ compare
- Inferensi Bayesian HierarkisBayesian↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesian↔ compare
- Inferensi VariasionalBayesian↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →