Gibbs sampling
Gibbs sampling är en Markov chain Monte Carlo-algoritm som approximerar en högdimensionell posteriorfördelning genom att upprepat dra varje parameter från dess fullständiga betingade fördelning givet alla andra parametrar och data. Eftersom varje dragning är exakt från en betingad fördelning – inte ett förslag som kan förkastas – är samplern effektiv när dessa betingade fördelningar är tillgängliga i sluten form.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+23 more
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Gibbs Sampling Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/sv/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.
- Bayesiansk regressionBayesiansk statistik↔ compare
- Hamiltonian Monte CarloBayesiansk statistik↔ compare
- Hierarkisk Bayesiansk inferensBayesiansk statistik↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk statistik↔ compare
- VariationsinferensBayesiansk statistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →