Robust Gibbs-sampling

Robust Gibbs-sampling er en Markov chain Monte Carlo-strategi, der parrer den koordinatvise Gibbs-sampler med heavy-tailed eller outlier-resistente modelspecifikationer — oftest Student-t likelihoods — så den post-hoc inferens ikke forvrænges af ekstreme observationer. Den opnår robusthed gennem data-augmentation: hver observation får en latent variansvægt, der automatisk nedvægter outliers under hver sampling-sweep.