Gibbs Sampling
Il Gibbs sampling è un algoritmo di Monte Carlo a catena di Markov che approssima una distribuzione a posteriori di alta dimensionalità estraendo ripetutamente ciascun parametro dalla sua distribuzione condizionale completa, dati tutti gli altri parametri e i dati. Poiché ogni estrazione è esatta da una condizionale — non una proposta che può essere rifiutata — il campionatore è efficiente quando tali condizionali sono disponibili in forma chiusa.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+23 more
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Gibbs Sampling Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/it/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.
- Regressione BayesianaBayesiano↔ compare
- Hamiltonian Monte CarloBayesiano↔ compare
- Inferenza Bayesiana GerarchicaBayesiano↔ compare
- Catena di Markov Monte Carlo (MCMC)Bayesiano↔ compare
- Inferenza VariazionaleBayesiano↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →