Gibbs分布
发布网友
发布时间:2023-06-25 23:55
我来回答
共1个回答
热心网友
时间:2024-12-04 21:03
Gibbs分布是概率图模型的基础,在百度了一圈之后,发现大多数文章讲的都是物理方面的定义和应用,后来在百度百科上找到这样一句话:
假设有这样一个场景:抛两枚硬币A,B,二者不独立。硬币A动过手脚,正面向上(记为1)的概率是0.6,反面向上(记为0)的概率是0.4;硬币B,正面向上(记为1)的概率是0.5,反面向上(记为0)的概率是0.5(万能的抛硬币例子)。现今A、B两枚硬币的联合分布为:
AB两个随机变量,假设随机生成的序列为 ,然后从如下序列中进行随机采样(每次取连续两个),当数据量足够多时,可以观察到如下现象:
这样的采样方法虽然直观,但是当随机变量较多时不方便使用
假设 的条件分布为:
假设 的条件分布为:
然后执行如下采样流程:
当 足够大时,可以发现A,B的联合概率分布。
在下图中,紫色代表初始分布,黑色的四个圈代表联合分布。经过一段时间的迭代之后,可以看到紫色分布逐渐*近黑色圆圈所代表的分布。
同样的,要求多参数的联合分布,只要执行如下流程即可。
如果两个随机变量相关程度很大,那么Gibbs采样的收敛速度将会非常慢,一般采取的方法是使用block方法,假设 具有很高的相关程度,那么可以采用如下方式寻找其联合分布: