เปรียบเทียบวิธี

	การสุ่มตัวอย่างแบบกิบบส์หลายระดับ (Multilevel Gibbs Sampling)	การอนุมานแบบเบย์ตามลำดับชั้น
สาขาวิชา	เบย์	เบย์
ตระกูล	Bayesian methods	Bayesian methods
ปีกำเนิด	1990	1972 (Lindley & Smith); consolidated 1995–2013
ผู้ริเริ่ม	Geman & Geman (1984); applied to multilevel models by Gelfand & Smith (1990)	Lindley & Smith; Gelman et al.
ประเภท	MCMC sampling algorithm	Bayesian multilevel model
แหล่งต้นตำรับ	Gelman, A. & Hill, J. (2007). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. ISBN: 978-0521686891	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
ชื่อเรียกอื่น	hierarchical Gibbs sampler, blocked Gibbs sampling for multilevel models, multilevel MCMC via Gibbs, Gibbs sampler for mixed-effects models	multilevel Bayesian modeling, Bayesian hierarchical model, nested Bayesian model, partial pooling model
ที่เกี่ยวข้อง	6	6
สรุป	Multilevel Gibbs sampling applies the Gibbs MCMC algorithm to hierarchical (multilevel) Bayesian models, cycling through the conditional distributions of group-level parameters and population-level hyperparameters in turn. This exploits the conditional independence structure of the hierarchy to draw exact or near-exact samples from a posterior that would otherwise be analytically intractable.	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.