Gibbs Sampling
El muestreo de Gibbs es un caso especial de Metropolis-Hastings: muestrea cada coordenada desde su distribución condicional p(x_i|x_{-i}), no necesita paso de aceptación-rechazo y se adapta a distribuciones de alta dimensión.
Propósito
Proporcionar un método MCMC sencillo para distribuciones conjuntas de alta dimensión sin ajustar una distribución de propuesta.
Mecanismo
Se itera sobre cada dimensión i muestreando desde la condicional p(x_i | valores actuales de las demás dimensiones). Las distribuciones condicionales suelen ser más fáciles de muestrear que la conjunta. La convergencia requiere que las condicionales cubran suficientemente la distribución objetivo.
Casos de uso
- Inferencia en redes bayesianas
- Muestreo de alta dimensión
- Segmentación de imágenes