Gibbs 抽樣與一般 MH-MCMC

我剛剛閱讀了一些關於 Gibbs 採樣和 Metropolis Hastings 算法的文章，並且有幾個問題。

據我了解，在吉布斯抽樣的情況下，如果我們有一個大的多變量問題，我們從條件分佈中抽樣，即抽樣一個變量，同時保持所有其他變量不變，而在 MH 中，我們從完整的聯合分佈中抽樣。

文件說的一件事是，建議的樣本在 Gibbs Sampling 中總是被接受，即建議接受率總是 1。對我來說，這似乎是一個很大的優勢，因為對於大型多元問題，MH 算法的拒絕率似乎變得相當大. 如果確實如此，那麼不一直使用 Gibbs Sampler 來生成後驗分佈的原因是什麼？

使用 Metropolis 算法的主要理由在於，即使結果後驗未知，您也可以使用它。對於吉布斯採樣，您必須知道從中得出變量的後驗分佈。

引用自：https://stats.stackexchange.com/questions/104815