เปรียบเทียบวิธี

	การสุ่มตัวอย่างแบบกิบบส์หลายระดับ (Multilevel Gibbs Sampling)	MCMC แบบหลายระดับ
สาขาวิชา	เบย์	เบย์
ตระกูล	Bayesian methods	Bayesian methods
ปีกำเนิด	1990	1990s
ผู้ริเริ่ม	Geman & Geman (1984); applied to multilevel models by Gelfand & Smith (1990)	Gelfand & Smith (sampling-based approach); multilevel extension developed through 1990s Bayesian hierarchical modeling literature
ประเภท	MCMC sampling algorithm	Bayesian computational inference
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	hierarchical MCMC, multilevel Bayesian sampling, MLMCMC, hierarchical Markov chain Monte Carlo
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.	Multilevel MCMC applies Markov chain Monte Carlo sampling to hierarchical (multilevel) Bayesian models. It draws samples from the joint posterior of both group-level and population-level parameters simultaneously, propagating uncertainty across levels and enabling inference in clustered or nested data structures where observations within groups share common distributional characteristics.