สำหรับคำตอบยาวดู Blei, Kucukelbir และ McAuliffe ที่นี่ คำตอบสั้น ๆ นี้ดึงดูดอย่างมากจากนั้น
- MCMC asymptotically แน่นอน; VI ไม่ได้ ในขีด จำกัด MCMC จะประมาณการกระจายเป้าหมายอย่างแน่นอน VI มาโดยไม่มีการรับประกัน
- MCMC แพงคอมพิวเตอร์ โดยทั่วไปแล้ว VI จะเร็วกว่า
ความหมายเมื่อเรามีเวลาในการคำนวณเพื่อฆ่าและให้คุณค่าความแม่นยำในการประมาณการของเรา MCMC ชนะ หากเราสามารถทนต่อการเสียสละเพื่อความสะดวก - หรือเรากำลังทำงานกับข้อมูลที่มีขนาดใหญ่มากเราต้องทำการแลกเปลี่ยน - VI เป็นทางเลือกตามธรรมชาติ
หรืออย่างละเอียดและละเอียดกว่าโดยผู้เขียนที่กล่าวถึงข้างต้น:
ดังนั้นการอนุมานความแปรปรวนจึงเหมาะกับชุดข้อมูลขนาดใหญ่และสถานการณ์ที่เราต้องการสำรวจแบบจำลองต่างๆ MCMC เหมาะสำหรับชุดข้อมูลขนาดเล็กและสถานการณ์สมมติที่เราจ่ายค่าใช้จ่ายในการคำนวณที่หนักขึ้นสำหรับตัวอย่างที่แม่นยำยิ่งขึ้น ตัวอย่างเช่นเราอาจใช้ MCMC ในการตั้งค่าที่เราใช้เวลา 20 ปีในการรวบรวมชุดข้อมูลขนาดเล็ก แต่มีราคาแพงซึ่งเรามั่นใจว่าแบบจำลองของเราเหมาะสมและเราต้องการการอนุมานที่แม่นยำ เราอาจใช้การอนุมานแบบแปรผันเมื่อปรับโมเดลความน่าจะเป็นของข้อความให้เหมาะกับเอกสารข้อความหนึ่งพันล้านฉบับและตำแหน่งที่จะใช้การอนุมานเพื่อแสดงผลการค้นหาให้กับผู้ใช้จำนวนมาก ในสถานการณ์สมมตินี้เราสามารถใช้การคำนวณแบบกระจายและการออปติไมซ์แบบสุ่มเพื่อปรับขนาดและเพิ่มความเร็วในการอนุมานและเราสามารถสำรวจแบบจำลองต่างๆของข้อมูลได้อย่างง่ายดาย