การสุ่มตัวอย่างแบบกิบบส์
การสุ่มตัวอย่างแบบกิบบส์ (Gibbs sampling) เป็นอัลกอริทึมแบบลูกโซ่มาร์คอฟมอนติคาร์โล (Markov chain Monte Carlo) ที่ประมาณการแจกแจงตามหลัง (posterior distribution) ที่มีมิติสูง โดยการสุ่มค่าพารามิเตอร์แต่ละตัวซ้ำๆ จากการแจกแจงแบบมีเงื่อนไขเต็ม (full conditional distribution) ของพารามิเตอร์นั้นๆ โดยกำหนดให้พารามิเตอร์อื่นๆ และข้อมูลคงที่ เนื่องจากแต่ละการสุ่มได้ค่าที่แม่นยำจากการแจกแจงแบบมีเงื่อนไข ไม่ใช่การเสนอค่าที่อาจถูกปฏิเสธ ตัวสุ่มตัวอย่างจึงมีประสิทธิภาพเมื่อการแจกแจงแบบมีเงื่อนไขเหล่านั้นสามารถเขียนในรูปปิดได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+23 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Gibbs Sampling Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/th/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.
- การถดถอยแบบเบย์ (Bayesian Regression)เบย์↔ compare
- Hamiltonian Monte Carloเบย์↔ compare
- การอนุมานแบบเบย์ตามลำดับชั้นเบย์↔ compare
- Markov Chain Monte Carlo (MCMC)เบย์↔ compare
- การอนุมานแบบแปรผันเบย์↔ compare