簡單來說,吉布斯抽樣是單分量Metropolis-Hastings的特殊情況,特殊在哪哪?
特殊在這個時候
這個時候的接收率:
由于
帶入,能夠得到:
吉布斯抽樣算法過程:
輸入:目标機率分布的密度函數p(x),函數f(x);
輸出:p(x)的随機樣本
,函數樣本均值
;
參數:收斂步數m,疊代步數n。
(1) 初始化。給出初始樣本
(2) 對i循環執行
設第(i-1)次疊代結束時的樣本為
,則第i
次疊代進行如下幾步操作:
a.由滿條件分布
,抽取
.......
b.由滿條件分布
,抽取
........
c.由滿條件分布
,抽取
得到第i次疊代值
(3) 得到樣本集合
{
}
(4) 計算
總結:單分量Metropolis-Hastings算法和吉布斯算法的不同之處在于,前者算法中,抽樣會在樣本之間移動,但期間可能在某一些樣本點停留(由于抽樣被拒絕);而在後者算法中,抽樣會在樣本間持續移動。
吉布斯抽樣适合滿條件機率分布容易抽樣的情況,而單分量Metropolis-Hastings算法适合于滿條件機率分布不容易抽樣的情況,這時使用容易抽樣的條件分布建議分布。