เปรียบเทียบวิธี

	MCMC สำหรับการเปรียบเทียบแบบจำลอง	การคำนวณแบบเบย์เชิงประมาณ
สาขาวิชา	เบย์	การจำลอง
ตระกูล	Bayesian methods	Process / pipeline
ปีกำเนิด	1995	2002
ผู้ริเริ่ม	Peter J. Green (reversible-jump MCMC); Meng & Wong (bridge sampling)	—
ประเภท	Bayesian computational method	Simulation-based Bayesian inference
แหล่งต้นตำรับ	Green, P. J. (1995). Reversible jump Markov chain Monte Carlo computation and Bayesian model determination. Biometrika, 82(4), 711–732.	Beaumont, M.A., Zhang, W. & Balding, D.J. (2002). Approximate Bayesian Computation in Population Genetics. Genetics, 162(4), 2025-2035.
ชื่อเรียกอื่น	reversible-jump MCMC, RJMCMC, marginal likelihood estimation via MCMC, Bayesian model selection via MCMC	ABC, likelihood-free inference, simulation-based inference, Yaklaşık Bayesçi Hesaplama (ABC)
ที่เกี่ยวข้อง	5	5
สรุป	MCMC for model comparison uses Markov chain Monte Carlo algorithms to estimate the marginal likelihoods and Bayes factors needed to formally compare competing statistical models. Techniques such as reversible-jump MCMC and bridge sampling allow exploration across model spaces of different dimensionality, enabling fully Bayesian model selection and averaging.	Approximate Bayesian Computation (ABC) is a family of simulation-based inference methods that estimate posterior distributions without requiring an analytically tractable likelihood function. Introduced by Beaumont, Zhang and Balding (2002) in the context of population genetics, ABC replaced the intractable likelihood with repeated model simulation and a comparison of summary statistics between simulated and observed data.