![](https://cdn-ak-scissors.b.st-hatena.com/image/square/58687a7c7c061d4ba8352960837d1b670331214a/height=288;version=1;width=512/https%3A%2F%2Fupload.wikimedia.org%2Fwikipedia%2Fcommons%2F8%2F80%2FMetropolis_hastings_algorithm.png)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント1件
- 注目コメント
- 新着コメント
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
メトロポリス・ヘイスティングス法 - Wikipedia
このアルゴリズムは1953年にボルツマン分布のための特殊形で発表したニコラス・メトロポリスらによって... このアルゴリズムは1953年にボルツマン分布のための特殊形で発表したニコラス・メトロポリスらによって提案され.[1] 、1970年に W.K. ヘイスティングスによって一般化された[2]。ギブスサンプリング法は棄却されることのないM-H アルゴリズムと捉えることが出来て、調整パラメータが少ない点で構成が容易であるが、応用範囲は狭まる。 M-H アルゴリズムを用いると、確率分布 の確率密度関数もしくは確率関数(煩雑なので、以下では「確率密度関数」に統一する)に比例する関数が計算できるならば、 いかなる確率分布 からでも、基本的には乱数列を得ることができる。 統計学や統計物理学では、しばしば興味のある確率密度関数の定数倍しかわからないことがある。定数倍部分がわからなくても乱数の生成が可能である点はM-H アルゴリズムの大きな長所である。 M-H アルゴリズムは乱数列を生成する。 乱数列の長さが
2010/11/04 リンク