Abstrait
Le second groupe de méthodes de Monte Carlo par chaînes de Markov (MCMC) est encore appelé échantillonnage de Gibbs. Plus intuitif pour certains praticiens, il ne demande pas de mettre en place une fonction d’exploration de l’espace des états de la nature. De plus, algorithme de Gibbs pour l’estimation et construction de modèle par conditionnement probabiliste forment souvent un mariage heureux. De fait, les méthodes de Gibbs utilisent plus complétement que ne le font les méthodes de Metropolis-Hastings, les structures conditionnelles des modèles. Nous illustrerons les avantages de ce mariage dans le présent chapitre.
This is a preview of subscription content, log in via an institution.
Preview
Unable to display preview. Download preview PDF.
Rights and permissions
Copyright information
© 2007 Springer-Verlag France, Paris
About this chapter
Cite this chapter
(2007). Méthode de Gibbs pour simuler une distribution a posteriori. In: Le raisonnement bayésien. Statistique et probabilités appliquées. Springer, Paris. https://doi.org/10.1007/978-2-287-33907-3_13
Download citation
DOI: https://doi.org/10.1007/978-2-287-33907-3_13
Publisher Name: Springer, Paris
Print ISBN: 978-2-287-33906-6
Online ISBN: 978-2-287-33907-3