Gibbs örnekleme ve Metropolis Hastings algoritması hakkında biraz okuma yapıyorum ve birkaç sorum var.
Anladığım kadarıyla, Gibbs örneklemesi durumunda, büyük bir çok değişkenli problemimiz varsa, koşullu dağıtımdan örnek alıyoruz, yani bir değişkeni örneklerken, diğerlerini sabit tutarken MH'de tam eklem dağılımından örnek alıyoruz.
Belgenin söylediği bir şey, önerilen örneğin Gibbs Sampling'de her zaman kabul edilmesidir, yani teklif kabul oranı her zaman 1'dir. Bana göre bu, büyük çok değişkenli problemler için büyük bir avantaj gibi görünüyor MH algoritması için reddetme oranı oldukça büyük görünüyor . Gerçekten durum buysa, arka dağılımı oluşturmak için her zaman Gibbs Sampler'ı kullanmamanın nedeni nedir?