简单来说,吉布斯抽样是单分量Metropolis-Hastings的特殊情况,特殊在哪哪?
特殊在这个时候
这个时候的接收率:
由于
带入,能够得到:
吉布斯抽样算法过程:
输入:目标概率分布的密度函数p(x),函数f(x);
输出:p(x)的随机样本,函数样本均值;
参数:收敛步数m,迭代步数n。
(1) 初始化。给出初始样本
(2) 对i循环执行
设第(i-1)次迭代结束时的样本为,则第i
次迭代进行如下几步操作:
a.由满条件分布,抽取
.......
b.由满条件分布,抽取
........
c.由满条件分布,抽取
得到第i次迭代值
(3) 得到样本集合
{}
(4) 计算
总结:单分量Metropolis-Hastings算法和吉布斯算法的不同之处在于,前者算法中,抽样会在样本之间移动,但期间可能在某一些样本点停留(由于抽样被拒绝);而在后者算法中,抽样会在样本间持续移动。
吉布斯抽样适合满条件概率分布容易抽样的情况,而单分量Metropolis-Hastings算法适合于满条件概率分布不容易抽样的情况,这时使用容易抽样的条件分布建议分布。