条件付き分布と同時分布の関係とは? わかりやすく解説

Weblio 辞書 > 辞書・百科事典 > ウィキペディア小見出し辞書 > 条件付き分布と同時分布の関係の意味・解説 

条件付き分布と同時分布の関係

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2019/08/17 05:30 UTC 版)

ギブスサンプリング」の記事における「条件付き分布と同時分布の関係」の解説

他のすべての変数与えられたときのある変数に関する条件付き確率同時確率比例する。 p ( x j | x 1 , … , x j − 1 , x j + 1 , … , x n ) = p ( x 1 , … , x n ) p ( x 1 , … , x j − 1 , x j + 1 , … , x n ) ∝ p ( x 1 , … , x n ) {\displaystyle p(x_{j}|x_{1},\dotsc ,x_{j-1},x_{j+1},\dotsc ,x_{n})={\frac {p(x_{1},\dotsc ,x_{n})}{p(x_{1},\dotsc ,x_{j-1},x_{j+1},\dotsc ,x_{n})}}\propto p(x_{1},\dotsc ,x_{n})} ここで比例するとは、分母x j {\displaystyle x_{j}} の関数ではなくx j {\displaystyle x_{j}} がどんな値であれ分母定数であることである。周辺定数同時確率x j {\displaystyle x_{j}} に関して周辺化した値である。 p ( x 1 , … , x j − 1 , x j + 1 , … , x n ) = ∫ p ( x 1 , … , x n ) d x j {\displaystyle p(x_{1},\dotsc ,x_{j-1},x_{j+1},\dotsc ,x_{n})=\int p(x_{1},\dotsc ,x_{n})dx_{j}} 実用上、確率変数 x j {\displaystyle x_{j}} の条件付き分布求めるためのもっとも簡単な方法グラフィカルモデル変数のうち x j {\displaystyle x_{j}} の関数ではない値を独立みなして因子化すればいい。 そのほかには、3つの場合考えられる分布離散分布である場合x j {\displaystyle x_{j}} の取りうる値すべてに関して確率計算し足しあわせることで周辺定数計算すればいい。 分布連続既知の形を持つ場合1次元周辺化なので周辺定数計算可能である。 その他の場合周辺定数無視することができる。大抵のサンプリング法は周辺定数がなくても問題ではない。

※この「条件付き分布と同時分布の関係」の解説は、「ギブスサンプリング」の解説の一部です。
「条件付き分布と同時分布の関係」を含む「ギブスサンプリング」の記事については、「ギブスサンプリング」の概要を参照ください。

ウィキペディア小見出し辞書の「条件付き分布と同時分布の関係」の項目はプログラムで機械的に意味や本文を生成しているため、不適切な項目が含まれていることもあります。ご了承くださいませ。 お問い合わせ



英和和英テキスト翻訳>> Weblio翻訳
英語⇒日本語日本語⇒英語
  

辞書ショートカット

すべての辞書の索引

「条件付き分布と同時分布の関係」の関連用語

条件付き分布と同時分布の関係のお隣キーワード
検索ランキング

   

英語⇒日本語
日本語⇒英語
   



条件付き分布と同時分布の関係のページの著作権
Weblio 辞書 情報提供元は 参加元一覧 にて確認できます。

   
ウィキペディアウィキペディア
Text is available under GNU Free Documentation License (GFDL).
Weblio辞書に掲載されている「ウィキペディア小見出し辞書」の記事は、Wikipediaのギブスサンプリング (改訂履歴)の記事を複製、再配布したものにあたり、GNU Free Documentation Licenseというライセンスの下で提供されています。

©2025 GRAS Group, Inc.RSS