एल्गोरिथ्म जिसे अब गिब्स नमूना कहा जाता है, एक मार्कोव-श्रृंखला बनाता है और इसके इनपुट के लिए मोंटे-कार्लो सिमुलेशन का उपयोग करता है, इसलिए यह वास्तव में एमसीएमसी (मार्कोव-चेन मोंटे-कार्लो) के उचित दायरे में आता है। ऐतिहासिक रूप से, विधि को कम से कम बीसवीं शताब्दी के मध्य का पता लगाया जा सकता है, लेकिन यह अच्छी तरह से ज्ञात नहीं था और केवल बाद में जेमन और जेमन (1984) के सेमिनल पेपर द्वारा लोकप्रिय हुआ, जिसने उपयोग के संबंध में सांख्यिकीय भौतिकी की जांच की गिब्स वितरण (कुछ ऐतिहासिक संदर्भ के लिए, को देखने के Casella और जॉर्ज 1992 , पृ। 167)।
किसी कारण से, अपने पेपर के बावजूद, एफ्रॉन गिब्स के नमूना को संदर्भित करता है जैसे कि वह एमसीएमसी के दायरे से बाहर था। वह आपके द्वारा दिए गए उद्धरण में, और कागज के कुछ अन्य हिस्सों में भी ऐसा करता है। चूँकि तकनीक के बारे में उनका शुरुआती संदर्भ "गिब्स सैम्पलर" (उद्धरणों में दिया गया है) को संदर्भित करता है, इसलिए यह संभव है कि वह ऐतिहासिक तथ्य से अवगत करा रहे हैं कि मूल विधि को सांख्यिकीय भौतिकी में गिब्स वितरण के माध्यम से विकसित किया गया था, और इसे शामिल नहीं किया गया था। MCMC के सामान्य सांख्यिकीय सिद्धांत बहुत बाद में। यह मेरा सबसे अच्छा अनुमान है कि वह इस तरह से क्यों संदर्भित करता है।
अद्यतन: चूंकि प्रो एफ्रॉन अभी भी जीवित है, इसलिए मैंने यह लिखने के लिए स्वतंत्रता ली कि वह इस तरह से गिब्स नमूना का वर्णन क्यों करता है। यहाँ उसकी प्रतिक्रिया है (उसकी अनुमति के साथ पुन: प्रस्तुत):
यह मुख्य रूप से ऐतिहासिक कारणों के लिए था ... दूसरी तरफ, गिब्स एल्गोरिथ्म एमसीएमसी नुस्खा से काफी अलग दिखता है, और यह दिखाने के लिए कुछ काम लेता है कि यह कुछ इसी अर्थ में है। (एफ्रॉन 2018, व्यक्तिगत पत्राचार, मूल में दीर्घवृत्त)