Model Hierarki Bayesian

Pemodelan hierarki Bayesian, yang dipopularkan oleh Gelman dan Hill (2006), ialah pendekatan Bayesian terhadap struktur data bersarang — seperti pelajar dalam sekolah dalam daerah — yang menganggarkan parameter berasingan pada setiap peringkat sambil membenarkan peringkat tersebut berkongsi kekuatan statistik melalui mekanisme yang dipanggil pengumpulan separa (partial pooling). Di mana model linear hierarki klasik menganggap min kumpulan sebagai kuantiti tidak diketahui yang tetap, versi Bayesian meletakkan taburan "hyperprior" pada min kumpulan tersebut supaya maklumat mengalir secara bebas merentasi peringkat, menghasilkan anggaran peringkat kumpulan yang lebih andal apabila mana-mana kumpulan individu mempunyai sedikit pemerhatian.