Bayesian methodsBayesian / computational

Εύρωστη Δειγματοληψία Gibbs

Η εύρωστη δειγματοληψία Gibbs είναι μια στρατηγική Monte Carlo αλυσίδας Markov που συνδυάζει τον δειγματολήπτη Gibbs κατά συντεταγμένη με κατανομές με βαριές ουρές ή ανθεκτικές σε ακραίες τιμές προδιαγραφές μοντέλων — συνηθέστερα πιθανοφάνειες Student-t — ώστε η συμπερασματολογία της εκ των υστέρων κατανομής να μην παραμορφώνεται από ακραίες παρατηρήσεις. Επιτυγχάνει ευρωστία μέσω επαύξησης δεδομένων: κάθε παρατήρηση λαμβάνει ένα λανθάνον βάρος διακύμανσης που υποβαθμίζει αυτόματα τις ακραίες τιμές κατά τη διάρκεια κάθε σάρωσης δειγματοληψίας.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. 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
  2. Chib, S. & Greenberg, E. (1995). Understanding the Metropolis-Hastings algorithm. The American Statistician, 49(4), 327–335. DOI: 10.1080/00031305.1995.10476177

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Robust Gibbs Sampling. ScholarGate. https://scholargate.app/el/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.

Compare side by side
ScholarGateRobust Gibbs Sampling (Robust Gibbs Sampling). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/bayesian/robust-gibbs-sampling · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026