Markov Chain Monte Carlo Algorithm and Gibbs Sampling

本文介绍了马尔科夫链蒙特卡罗(MCMC)算法及其特例吉布斯采样的背景与原理。探讨了在未知联合概率分布情况下使用吉布斯采样的适用场景,并对比了直接采样的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

马尔科夫链蒙特卡罗算法和吉布斯采样(Markov Chain Monte Carlo Algorithm and Gibbs Sampling)

1.背景介绍及算法原理 参考:MCMC and Gibbs sampling

2.Gibbs Sampling 算法 参考:Gibbs Sampling

3.MCMC抽样应用举例 参考:examples

4.MCMC方法中的特例Gibbs,只是在不知道联合概率分布的情况下才试用,当联合概率分布已知的情况下,采用直接采样,方法参考:直接抽样

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值