Doğa | Algoritma |
---|---|
Mucitler | Stuart Geman ( içinde ) , Donald Geman ( içinde ) |
Buluş tarihi | 1984 |
Referans olarak adlandırıldı | Josiah Willard Gibbs |
Yönü | Markov zincirleriyle Monte-Carlo yöntemi |
Gibbs örneklemesi a, MCMC . Verilen Bir olasılık dağılımı tt bir ilgili evrenin Q , bu algoritma bir tanımlayan Markov zinciri olan sabit dağılımı olan π . Böylece mümkün rastgele bir öğe çizmek için yapar Ê yasası uyarınca tt (biz söz örnekleme ).
Tüm Markov zinciri Monte-Carlo yöntemlerinde olduğu gibi,
Gibbs örneklemesinin özgüllüğü, q x ( i ) ' yi n koşullu olasılığa "bölmekten" oluşur :
Bu nedenle rastgele oluşması probleminin yerini x ( i + 1) tarafından n biz basit olacaktır umut sorunları.
Let X = ( X- ı , ı ∈ S ) olmak dağılımı olan bir değişken tt siteleri uzayda G = ⟦1; n ⟧ durum uzayı doğru Q . İçin X = ( x 1 ;, ... x , n ∈) Ω ve şartlı yoğunlukları tt i ( x i | x ¬ i ) burada X ¬ i = ( x j , j ≠ i ), i ∈ S , kendi inşa Gibbs π -değişmeyen çekirdekler üzerinde örnekleyici : P i ( x , y ) = π i ( y i | x ¬ i ) 1 ( x ¬ i = y ¬ i ) .
Biz ziyaret S her adımda rahatlatıcı, sırayla i değeri yasaya göre π i mevcut durumu şartına. Geçiş x için y olan yazılı:
Let ν bir asla sıfır olasılık S . Her bir adımda, bir site i olasılıkla seçilir ν i > 0 ve y değeri koşullu yasasına göre gevşetilir π i mevcut durumda. Geçiş yazılmıştır:
C. Gaetan ve X. Guyon , böl. 9 “mekansal modellerin Simülasyonu” Jean-Jacques Droesbeke Michel Lejeune ve Gilbert Saporta, içinde, mekansal verilerin istatistiksel analizi: 10 inci istatistikte Çalışması gün, 4-8 Kasım 2002, Marsilya, Société Française de statistique , Paris, Technip,2006, 468 s. ( ISBN 978-2-7108-0873-2 , bildirim BNF n O FRBNF40225776 )