Amostragem de Gibbs
A amostragem de Gibbs é um algoritmo de Monte Carlo via cadeia de Markov que aproxima uma distribuição posterior de alta dimensionalidade ao extrair repetidamente cada parâmetro de sua distribuição condicional completa, dadas todos os outros parâmetros e os dados. Como cada extração é exata de uma condicional — e não uma proposta que pode ser rejeitada — o amostrador é eficiente quando essas condicionais estão disponíveis em forma fechada.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+23 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Gibbs Sampling Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/pt/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.
- Regressão BayesianaBayesiano↔ compare
- Monte Carlo HamiltonianoBayesiano↔ compare
- Inferência Bayesiana HierárquicaBayesiano↔ compare
- Cadeia de Markov Monte Carlo (MCMC)Bayesiano↔ compare
- Inferência VariacionalBayesiano↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →