Natur | Algoritme |
---|---|
Oppfinnere | Stuart Geman ( in ) , Donald Geman ( in ) |
Oppfinnelsesdato | 1984 |
Navngitt med henvisning til | Josiah Willard Gibbs |
Aspekt av | Monte-Carlo-metoden av Markov-kjeder |
Den Gibbs sampling er en MCMC . Gitt en sannsynlighetsfordeling π på et univers Ω , definerer denne algoritmen en Markov-kjede hvis stasjonære fordeling er π . Det gjør det således mulig å tilfeldig tegne et element av Ω i henhold til loven π (vi snakker om prøvetaking ).
Som med alle Markov-kjede Monte-Carlo-metoder,
Spesifisiteten til Gibbs-prøvetaking består i å "dele" q x ( i ) i n betingede sannsynligheter:
Vi erstatter derfor problemet med tilfeldig generering av x ( i + 1) med n problemer som vi håper blir enklere.
La X = ( X i , i ∈ S ) være en variabel med distribusjon π i området til stedene S = ⟦1; n ⟧ mot tilstands Ω . For x = ( x 1 ;…; x n ) ∈ Ω og betingede tettheter π i ( x i | x ¬ i ) der x ¬ i = ( x j , j ≠ i ), i ∈ S , konstruerer vi Gibbs sampler på π -variantkjerner: P i ( x , y ) = π i ( y i | x ¬ i ) 1 ( x ¬ i = y ¬ i ) .
Vi besøker S sekvensielt, slapper av ved hvert trinn i verdien i henhold til loven π i betinget av den nåværende tilstanden. Overgangen fra x til y skrives:
La ν sannsynligheten for S aldri være null . Ved hvert trinn velges et sted i med sannsynligheten v i > 0 og verdien y blir avslappet i henhold til den betingede loven π i i den nåværende tilstanden. Overgangen er skrevet:
C. Gaetan og X. Guyon , kap. 9 “Simulering av romlige modeller” , i Jean-Jacques Droesbeke, Michel Lejeune og Gilbert Saporta, Statistisk analyse av romlige data: 10 th Studier dager i statistikk, 4-8 november 2002 Marseille, Société française de statistique , Paris, Technip,2006, 468 s. ( ISBN 978-2-7108-0873-2 , varsel BNF n o FRBNF40225776 )