Una señal de grafo es un vector aleatorio con una descripción estadística parcialmente conocida. Las observaciones suelen ser suficientes para determinar las distribuciones marginales de las variables de los nodos del grafo y sus correlaciones en pares que representan los bordes del grafo. Sin embargo, la maldición de la dimensionalidad a menudo impide estimar una distribución conjunta completa de todas las variables a partir de las observaciones disponibles. Este artículo introduce un modelo generativo computacionalmente efectivo para muestrear de distribuciones marginales arbitrarias pero conocidas con correlaciones en pares definidas. Los experimentos numéricos muestran que el modelo generativo propuesto es generalmente preciso para coeficientes de correlación con magnitudes de hasta aproximadamente 0.3, mientras que correlaciones mayores pueden obtenerse a expensas de la precisión de la aproximación de la distribución. Los modelos generativos de señales de grafo también pueden utilizarse para muestrear distribuciones multivariadas para las cuales no se conocen expresiones matemáticas en forma cerrada o son demasiado complejas.