gibbs抽樣代碼,gibbs採樣舉例求解

本文目錄一覽：

• 1、貝葉斯的mcmc演算法怎麼在matlab里實現呀 或者gibbs抽樣 求代碼
• 2、吉布斯抽樣是什麼
• 3、什麼是吉布斯採樣演算法
• 4、gibbs抽樣的英文

貝葉斯的mcmc演算法怎麼在matlab里實現呀 或者gibbs抽樣 求代碼

MATLAB中只有矩陣和cell，如果是想要在matlab里實現

要取出第r行、第c列的矩陣元素用：A(r,c)

要取出第r行、第c列的cell成員用：A{r,c}

吉布斯抽樣是什麼

吉布斯採樣是生成馬爾科夫鏈的一種方法，生成的馬爾科夫鏈可以用來做蒙特卡洛模擬，從而求得一個較複雜的多元分布。

吉布斯採樣的具體做法：假設有一個k維的隨機向量，現想要構造一條有n個樣本的k維向量（n樣本馬爾科夫序列），那麼（隨機）初始化一個k維向量，然後固定這個向量其中的k-1個元素，抽取剩下的那個元素（生成給定後驗的隨機數），這樣循環k次，就把整個向量更新了一遍，也就是生成了一個新的樣本，把這個整體重複n次就得到了一條馬爾科夫鏈。

什麼是吉布斯採樣演算法

幾個可以學習gibbs sampling的方法

1，讀Bishop的Pattern Recognition and Machine Learning，講的很清楚，但是我記得好像沒有例子。

2，讀artificial Intelligence，2、3版，都有。但是我沒讀過。

3，最方便的，查wiki，這個說的最清楚。

這裡通俗點的解釋一下。首先，什麼是sampling。sampling就是以一定的概率分布，看發生什麼事件。舉一個例子。甲只能E：吃飯、學習、打球，時間T：上午、下午、晚上，天氣W：晴朗、颳風、下雨。現在要一個sample，這個sample可以是：打球+下午+晴朗。。。

問題是我們不知道p(E,T,W)，或者說，不知道三件事的聯合分布。當然，如果知道的話，就沒有必要用gibbs sampling了。但是，我們知道三件事的conditional distribution。也就是說，p(E|T,W),p(T|E,W),p(W|E,T)。現在要做的就是通過這三個已知的條件分布，再用gibbs sampling的方法，得到joint distribution。

具體方法。首先隨便初始化一個組合,i.e. 學習+晚上+颳風，然後依條件概率改變其中的一個變數。具體說，假設我們知道晚上+颳風，我們給E生成一個變數，比如，學習-》吃飯。我們再依條件概率改下一個變數，根據學習+颳風，把晚上變成上午。類似地，把颳風變成颳風（當然可以變成相同的變數）。這樣學習+晚上+颳風-》吃飯+上午+颳風。

同樣的方法，得到一個序列，每個單元包含三個變數，也就是一個馬爾可夫鏈。然後跳過初始的一定數量的單元（比如100個），然後隔一定的數量取一個單元（比如隔20個取1個）。這樣sample到的單元，是逼近聯合分布的。

我也是剛wiki到的，可能不完全正確，歡迎討論：

zhangshiqihit@yahoo.com.cn

gibbs抽樣的英文

Examples show that the results obtained using laplace method are very close to that obtained using gibbs samppng method

實例表明通過laplace方法得到的估計與利用 gibbs抽樣 方法得到的參數的bayes估計很接近。

For example , to the general models such as follows : with the apppcation of the serial important function and the gibbs algorithms in mcmc methods , i give some results in the choice of the important function and how to use the gibbs algorithms in the forecasting of the models

例如，對於如下一般模型：分別應用序列重要抽樣的方法和mcmc方法中的 gibbs抽樣 演算法對上述模型作預測，並且對於重要函數的選取和抽樣的可行性提出了幾個結論。