Bayesian methodsBayesian / computational
Gibbs Sampling
Gibbsサンプリングは、他のすべてのパラメータとデータが与えられたときの各パラメータの完全条件付き分布から繰り返しサンプリングすることにより、高次元の事後分布を近似するマルコフ連鎖モンテカルロ（MCMC）アルゴリズムである。各サンプリングは条件付き分布から正確に行われるため（却下される可能性のある提案ではない）、条件付き分布が閉形式で利用可能な場合には、このサンプラーは効率的である。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+23 more
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Gibbs Sampling Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/ja/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.
- ベイズ回帰ベイズ↔ compare
- ハミルトニアンモンテカルロベイズ↔ compare
- 階層ベイズ推論ベイズ↔ compare
- マルコフ連鎖モンテカルロ法 (MCMC)ベイズ↔ compare
- 変分推論ベイズ↔ compare
この手法を参照する項目
欠損値を含むベイズ推論動的ハミルトニアン・モンテカルロ法動的メトロポリス・ヘイスティングス法動的モンテカルロシミュレーション動的逐次モンテカルロ法モデル比較のためのギブスサンプリング測定誤差を伴うギブスサンプリング欠損値を有するギブスサンプリング階層ベイズ推論階層的ブートストラップシミュレーション階層マルコフ連鎖モンテカルロ法モデル比較のためのMCMC測定誤差を伴うMCMC欠損値を含むMCMC (MCMC with missing data)メトロポリス・ヘイスティングス法階層ベイズモデル平均法階層型ブートストラップシミュレーション多層ギブスサンプリングマルチレベルMCMC頑健ギブスサンプリング頑健ハミルトニアン・モンテカルロ法ロバストMCMC（Robust Markov Chain Monte Carlo）逐次モンテカルロ法スライスサンプリング空間ギブスサンプリングSpatial MCMC空間モンテカルロシミュレーション時系列MCMC時系列逐次モンテカルロ法