Natura | Algoritmo |
---|---|
Inventori | Stuart Geman ( a ) , Donald Geman ( a ) |
Data di invenzione | 1984 |
Chiamato in riferimento a | Josiah Willard Gibbs |
Aspetto di | Metodo Monte-Carlo delle catene di Markov |
Il campionamento di Gibbs è un MCMC . Data una distribuzione di probabilità π su un universo Ω , questo algoritmo definisce una catena di Markov la cui distribuzione stazionaria è π . Permette così di disegnare in modo casuale un elemento di Ω secondo la legge π (si parla di campionamento ).
Come con tutti i metodi Monte-Carlo della catena Markov,
La specificità del campionamento di Gibbs consiste nel "dividere" q x ( i ) in n probabilità condizionali:
Sostituiamo quindi il problema della generazione casuale di x ( i + 1) con n problemi che speriamo siano più semplici.
Sia X = ( X i , i ∈ S ) una variabile con distribuzione π nello spazio dei siti S = ⟦1; n ⟧ verso lo spazio stato Ω . Per x = ( x 1 ;…; x n ) ∈ Ω e le densità condizionali π i ( x i | x ¬ i ) dove x ¬ i = ( x j , j ≠ i ), i ∈ S , costruiamo le Gibbs campionatore su kernel invarianti π : P i ( x , y ) = π i ( y i | x ¬ i ) 1 ( x ¬ i = y ¬ i ) .
Visitiamo S in sequenza, rilasciando ad ogni passo i il valore secondo la legge π i condizionato allo stato corrente. La transizione da x a y è scritta:
Sia ν una probabilità di S mai nulla . Ad ogni passaggio, viene scelto un sito i con probabilità ν i > 0 e il valore y viene rilassato secondo la legge condizionale π i nello stato corrente. La transizione è scritta:
C. Gaetan e X. Guyon , cap. 9 "Simulation of spatial models" , in Jean-Jacques Droesbeke, Michel Lejeune e Gilbert Saporta, Statistical analysis of spatial data: 10 th Study days in statistics, 4-8 November 2002, Marseille, Société française de statistique , Paris, Technip,2006, 468 p. ( ISBN 978-2-7108-0873-2 , avviso BnF n o FRBNF40225776 )