Natur | Algorithmus |
---|---|
Erfinder | Stuart Geman ( in ) , Donald Geman ( in ) |
Datum der Erfindung | 1984 |
Benannt in Bezug auf | Josiah Willard Gibbs |
Aspekt von | Monte-Carlo-Methode von Markov-Ketten |
Die Gibbs-Abtastung ist eine MCMC . Bei einer Wahrscheinlichkeitsverteilung π auf einem Universum Ω dieser Algorithmus definiert eine Markov - Kette , deren stationäre Verteilung ist π . Es ist somit möglich, ein Element von Ω nach dem Gesetz π zufällig zu zeichnen (wir sprechen von Abtastung ).
Wie bei allen Markov-Ketten-Monte-Carlo-Methoden
Die Spezifität der Gibbs-Abtastung besteht darin, q x ( i ) in n bedingte Wahrscheinlichkeiten aufzuteilen:
Wir ersetzen daher das Problem der zufälligen Erzeugung von x ( i + 1) durch n Probleme, von denen wir hoffen, dass sie einfacher sind.
Sei X = ( X i , i ∈ S ) eine Variable mit der Verteilung π im Raum der Stellen S = ⟦1; n ⟧ Richtung Zustandsraum Ω . Für x = ( x 1 ;…; x n ) ∈ Ω und die bedingten Dichten π i ( x i | x ¬ i ) mit x ¬ i = ( x j , j ≠ i ), i ∈ S konstruieren wir die Gibbs Sampler auf π- varianten Kerneln : P i ( x , y ) = π i ( y i | x ¬ i ) 1 ( x ¬ i = y ¬ i ) .
Wir besuchen S nacheinander und entspannen bei jedem Schritt i den Wert gemäß dem Gesetz π i , das vom aktuellen Zustand abhängig ist. Der Übergang von x nach y ist geschrieben:
Lassen ν eine nie Null Wahrscheinlichkeit von S . Bei jedem Schritt wird eine Stelle i mit der Wahrscheinlichkeit ν i > 0 ausgewählt und der Wert y gemäß dem bedingten Gesetz π i im aktuellen Zustand gelockert . Der Übergang ist geschrieben:
C. Gaetan und X. Guyon , Kap. 9 „Simulation von Raummodellen“ , in Jean-Jacques Droesbeke, Michel Lejeune und Gilbert Saporta, statistischer Analyse von räumlichen Daten: 10 - ten Studientag in der Statistik, 4-8 November 2002, Marseille, Société française de statistique , Paris, Technip,2006468 p. ( ISBN 978-2-7108-0873-2 , Hinweis BnF n o FRBNF40225776 )