
Muestrear una posterior multidimensional una coordenada a la vez a partir de sus distribuciones condicionales.El muestreo de Gibbs es un algoritmo de Monte Carlo por cadenas de Markov (MCMC) para generar muestras de una distribución de probabilidad multivariante cuando el muestreo directo es difícil. Funciona actualizando una variable a la vez, extrayendo cada nuevo valor de su distribución condicional dados los valores actuales de todas las demás variables. Este enfoque es particularmente útil cuando la distribución conjunta completa es compleja, pero las distribuciones condicionales son simples y fáciles de muestrear. El muestreo de Gibbs es un caso especial del algoritmo de Metropolis-Hastings, pero siempre acepta el movimiento propuesto, lo que lo hace computacionalmente eficiente en muchos contextos.
El método lleva el nombre del físico Josiah Willard Gibbs, pero fue formalizado por Stuart Geman y Donald Geman en 1984 en el contexto de la restauración de imágenes, y posteriormente generalizado por otros.
El algoritmo comienza con un conjunto inicial de valores para todas las variables. En cada iteración, recorre las variables en un orden fijo (o aleatorio). Para cada variable, muestrea un nuevo valor de su distribución condicional, manteniendo todas las demás variables en sus valores actuales. Estos nuevos valores se utilizan inmediatamente en las distribuciones condicionales subsiguientes. A lo largo de muchas iteraciones, la secuencia de muestras converge a la distribución conjunta, siempre que la cadena sea irreducible y aperiódica. La clave es que las distribuciones condicionales deben ser conocidas y fáciles de muestrear, lo que suele ser el caso en modelos bayesianos jerárquicos.
Se utiliza ampliamente en estadística bayesiana para muestrear distribuciones posteriores, como en la asignación latente de Dirichlet (LDA) para el modelado de temas en el procesamiento del lenguaje natural, y en el análisis de datos genéticos.
A pesar de llevar el nombre de Gibbs, el algoritmo no fue desarrollado por él; el nombre fue acuñado por Geman y Geman debido a una analogía con las distribuciones de Gibbs en mecánica estadística.










