Introduction à la statistique bayésienne pour les ingénieurs et les médecins

On peut voir l'échantillonneur de Gibbs comme un cas particulier d'algorithme de Metropolis-Hastings dans lequel:

1. la distribution de proposition est une conditionnelle complète

2. la probabilité d'acceptation vaut toujours 1

Si le Gibbs est simple car ne demandant un échantillonnage que dans des distributions univariées, il n'est pas très efficace quand le nombre de paramètres est très grand ou les paramètres très corrélés entre eux