Gibbs Sampling Robusta
El Gibbs sampling robusta és una estratègia de Monte Carlo de cadena de Markov que combina el mostrejador de Gibbs per coordenades amb especificacions de models de cues pesades o resistents a valors atípics —més comunament versemblances de Student-t— de manera que la inferència posterior no sigui distorsionada per observacions extremes. Aconsegueix robustesa mitjançant l'augment de dades: cada observació rep un pes de variància latent que redueix automàticament els valors atípics durant cada pas de mostreig.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Geweke, J. (1993). Bayesian treatment of the independent Student-t linear model. Journal of Applied Econometrics, 8(S1), S19–S40. DOI: 10.1002/jae.3950080504 ↗
- Chib, S. & Greenberg, E. (1995). Understanding the Metropolis-Hastings algorithm. The American Statistician, 49(4), 327–335. DOI: 10.1080/00031305.1995.10476177 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Robust Gibbs Sampling. ScholarGate. https://scholargate.app/ca/bayesian/robust-gibbs-sampling
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Regressió BayesianaBayesià↔ compare
- Campionament de GibbsBayesià↔ compare
- Inferència Bayesiana RobustaBayesià↔ compare
- Markov Chain Monte Carlo robustBayesià↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →