Robustes Gibbs-Sampling

Robustes Gibbs-Sampling ist eine Markov-Chain-Monte-Carlo-Strategie, die den koordinatenweisen Gibbs-Sampler mit dünn-schwänzigen oder ausreißerresistenten Modellspezifikationen – am häufigsten Student-t-Likelihoods – kombiniert, sodass die Posterior-Inferenz nicht durch extreme Beobachtungen verzerrt wird. Es erreicht Robustheit durch Datenaugmentation: Jede Beobachtung erhält ein latentes Varianzgewicht, das Ausreißer während jedes Sampling-Durchlaufs automatisch abwertet.