Właśnie czytałem trochę na temat próbkowania Gibbsa i algorytmu Metropolis Hastings i mam kilka pytań.
Jak rozumiem, w przypadku próbkowania Gibbsa, jeśli mamy duży problem wielowymiarowy, próbkujemy z rozkładu warunkowego, tj. Próbkujemy jedną zmienną, utrzymując wszystkie pozostałe w stałym, podczas gdy w MH próbkujemy z pełnego wspólnego rozkładu.
Jedną rzeczą, o której mówi ten dokument, jest to, że proponowana próbka jest zawsze akceptowana w Próbkowaniu Gibbsa, tzn. Współczynnik akceptacji propozycji wynosi zawsze 1. Dla mnie wydaje się to dużą zaletą, ponieważ w przypadku dużych problemów wielowymiarowych wydaje się, że współczynnik odrzucania dla algorytmu MH staje się dość duży . Jeśli tak jest w rzeczywistości, jaki jest powód niestosowania Gibbs Sampler przez cały czas do generowania rozkładu tylnego?