เปรียบเทียบวิธี

	การอนุมานแบบเบย์สำหรับข้อมูลที่ขาดหาย	การสุ่มตัวอย่างแบบกิบบส์
สาขาวิชา	เบย์	เบย์
ตระกูล	Bayesian methods	Bayesian methods
ปีกำเนิด	1976–1987	1984
ผู้ริเริ่ม	Rubin, D. B. (missing-data mechanisms); Tanner & Wong (data augmentation)	Stuart Geman & Donald Geman
ประเภท	Bayesian probabilistic model	MCMC sampling algorithm
แหล่งต้นตำรับ	Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley-Interscience. ISBN: 978-0471183860	Geman, S. & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721-741.
ชื่อเรียกอื่น	Bayesian missing data analysis, Bayesian data augmentation, Bayesian imputation, missing data Bayesian model	Gibbs sampler, coordinate-wise MCMC, systematic scan Gibbs, blocked Gibbs sampling
ที่เกี่ยวข้อง	6	5
สรุป	Bayesian inference with missing data treats unobserved values as unknown parameters and integrates them out of the posterior distribution. Rather than deleting or ad hoc imputing incomplete records, the method jointly models observed and missing data under an explicit missing-data mechanism, producing fully calibrated posterior uncertainty that honestly reflects what the data cannot tell us.	Gibbs sampling is a Markov chain Monte Carlo algorithm that approximates a high-dimensional posterior distribution by repeatedly drawing each parameter from its full conditional distribution given all other parameters and the data. Because each draw is exact from a conditional — not a proposal that may be rejected — the sampler is efficient when those conditionals are available in closed form.