作者：广东在线游戏网日期：
返回目录：游戏解答
绝对温度，单位开尔文 K
我的理解是来：吉布斯采样是生成马尔科夫链的一种方法，生成的马尔科夫链可以用来做蒙特卡洛仿真，从而求得一个较复杂的多元分布。
吉布斯采样的具体做法源：假设有一个k维的随机向量，现想要构造一条有n个样本的k维向量（n样本马尔科夫序列）百，那么（随机）初始化一个k维向量，然后固定这个向量其中的k-1个元度素，抽取剩下的那个元素（生成给定后验的随机数），这样循环k次，就把整个向量更新了一遍，也就是生成了一个新的样本，把这个知整体重复n次就得到了一条马尔科夫链
只想简单了解的话道推荐看下，里面介绍的比较清楚 http://wenku.baidu.com/view/5caace6c1eb91a37f1115cec.html
matlab 怎么做gibbs抽样
MATLAB中只有矩阵和cell,如果是想要在matlab里实现 要取出第r行、第c列的矩阵元素用:A(r,c) 要取出第r行、第c列的cell成员用:
几个可以学习gibbs sampling的方法：
1,读Bishop的Pattern Recognition and Machine Learning,讲的很清楚,但是我记得好像没有例子；
2,读artificial Intelligence,2、3版,都有.但是我没读过；
3,最方便的,查wiki,这个说的最清楚；
这里通俗点的解释一下。首先，什么是sampling.sampling就是以一定的概率分布,看发生什么事件.举一个例子.甲只能E：吃饭、学习、打球,时间T：上午、下午、晚上,天气W：晴朗、刮风、下雨.现在要一个sample,这个sample可以是：打球+下午+晴朗...
问题是我们不知道p(E,T,W),或者说,不知道三件事的联合分布.当然,如果知道的话,就没有必要用gibbs sampling了.但是,我们知道三件事的conditional distribution.也就是说,p(E|T,W),p(T|E,W),p(W|E,T).现在要做的就是通过这三个已知的条件分布,再用gibbs sampling的方法,得到joint distribution.
具体方法.首先随便初始化一个组合,i.e.学习+晚上+刮风,然后依条件概率改变其中的一个变量.具体说,假设我们知道晚上+刮风,我们给E生成一个变量,比如,学习-》吃饭.我们再依条件概率改下一个变量,根据学习+刮风,把晚上变成上午.类似地,把刮风变成刮风（当然可以变成相同的变量）.这样学习+晚上+刮风-》吃饭+上午+刮风.
同样的方法,得到一个序列,每个单元包含三个变量,也就是一个马尔可夫链.然后跳过7a686964616fe78988e69d83339初始的一定数量的单元（比如100个）,然后隔一定的数量取一个单元（比如隔20个取1个）.这样sample到的单元,是逼近联合分布的.