Gibbs Sampling
L'échantillonnage de Gibbs est un cas particulier de Metropolis-Hastings : il échantillonne chaque coordonnée selon sa distribution conditionnelle p(x_i|x_{-i}), sans étape d'acceptation-rejet, et convient aux distributions de grande dimension.
Objectif
Fournir une méthode MCMC simple pour des distributions jointes de grande dimension sans réglage de distribution de proposition.
Mécanisme
On itère sur chaque dimension i en échantillonnant selon la conditionnelle p(x_i | valeurs courantes des autres dimensions). Les distributions conditionnelles sont généralement plus faciles à échantillonner que la jointe. La convergence exige que les conditionnelles couvrent suffisamment la distribution cible.
Cas d’usage
- Inférence dans les réseaux bayésiens
- Échantillonnage en grande dimension
- Segmentation d'images