0.摘要
在本系列第一篇博文中,我们讨论了马尔可夫链和最基本的MCMC方法,即 Metropolis-Hastings 算法,并用它来从单变量分布中实现采样。 在本博文中,我们将讨论另一种著名的采样算法:吉布斯采样器。 从多元分布中采样非常有用: 它将从联合分布采样的复杂问题简化为从每个变量的完整条件(即以所有其他变量为条件)分布中采样。 这意味着要从以下位置进行采样:,那么从
和
在本系列第一篇博文中,我们讨论了马尔可夫链和最基本的MCMC方法,即 Metropolis-Hastings 算法,并用它来从单变量分布中实现采样。 在本博文中,我们将讨论另一种著名的采样算法:吉布斯采样器。 从多元分布中采样非常有用: 它将从联合分布采样的复杂问题简化为从每个变量的完整条件(即以所有其他变量为条件)分布中采样。 这意味着要从以下位置进行采样:,那么从
和