Acabo de leer un poco sobre el muestreo de Gibbs y el algoritmo Metropolis Hastings y tengo un par de preguntas.
Según tengo entendido, en el caso del muestreo de Gibbs, si tenemos un gran problema multivariado, tomamos muestras de la distribución condicional, es decir, tomamos muestras de una variable mientras mantenemos todos los demás fijos, mientras que en MH, tomamos muestras de la distribución conjunta completa.
Una cosa que decía el documento era que la muestra propuesta siempre se acepta en Gibbs Sampling, es decir, la tasa de aceptación de la propuesta es siempre 1. Para mí, esto parece una gran ventaja ya que para grandes problemas multivariados parece que la tasa de rechazo para el algoritmo MH se vuelve bastante grande . Si ese es el caso, ¿cuál es la razón detrás de no usar Gibbs Sampler todo el tiempo para generar la distribución posterior?