Bayesian methodsBayesian / computational

Сэмплирование по Гиббсу

Сэмплирование по Гиббсу — это алгоритм Монте-Карло по цепям Маркова, который аппроксимирует многомерное апостериорное распределение путём многократного извлечения каждого параметра из его полного условного распределения при условии всех остальных параметров и данных. Поскольку каждое извлечение является точным из условного распределения, а не из предлагаемого распределения, которое может быть отклонено, сэмплер эффективен, когда эти условные распределения доступны в замкнутой форме.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

+23 more

Источники

  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

Как цитировать эту страницу

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

Упоминается в

Байесовский вывод при наличии пропущенных данныхДинамический гамильтоновский метод Монте-КарлоДинамический алгоритм МетрополисаДинамическое моделирование методом Монте-КарлоДинамическое последовательное Монте-КарлоСэмплирование по Гиббсу для сравнения моделейБайесовский метод Гиббса с учетом ошибки измеренияСэмплирование Гиббса для пропущенных данныхИерархический байесовский выводИерархическое бутстреп-моделированиеИерархический Марковский Монте-КарлоMCMC для сравнения моделейMCMC с ошибкой измеренияMCMC с пропущенными даннымиАлгоритм МетрополисаМногоуровневое байесовское усреднение моделейМногоуровневое бутстреп-моделированиеМногоуровневый семплинг ГиббсаМногоуровневый MCMCRobust Gibbs SamplingРобастный Гамильтонов Монте-КарлоРобастная цепь Маркова Монте-КарлоПоследовательный Монте-КарлоСлайсинг (Slice Sampling)Пространственная выборка ГиббсаПространственный MCMCПространственное моделирование методом Монте-КарлоTime series MCMCSequential Monte Carlo для временных рядов
ScholarGateGibbs Sampling (Gibbs Sampling Markov Chain Monte Carlo). Получено 2026-06-15 из https://scholargate.app/ru/bayesian/gibbs-sampling · Набор данных: https://doi.org/10.5281/zenodo.20539026