เปรียบเทียบวิธี

	การอนุมานแบบเบย์ตามลำดับชั้น	การสุ่มตัวอย่างแบบกิบบส์
สาขาวิชา	เบย์	เบย์
ตระกูล	Bayesian methods	Bayesian methods
ปีกำเนิด	1972 (Lindley & Smith); consolidated 1995–2013	1984
ผู้ริเริ่ม	Lindley & Smith; Gelman et al.	Stuart Geman & Donald Geman
ประเภท	Bayesian multilevel model	MCMC sampling algorithm
แหล่งต้นตำรับ	Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955	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	multilevel Bayesian modeling, Bayesian hierarchical model, nested Bayesian model, partial pooling model	Gibbs sampler, coordinate-wise MCMC, systematic scan Gibbs, blocked Gibbs sampling
ที่เกี่ยวข้อง	6	5
สรุป	Hierarchical Bayesian inference is a probabilistic modeling framework that organises parameters into levels, placing priors on the group-level parameters and hyperpriors on the parameters governing those priors. It enables partial pooling of information across groups, balancing the extremes of treating each group as independent or merging them into a single estimate.	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.