نمونهبرداری گیبس مقاوم (Robust Gibbs Sampling)
نمونهبرداری گیبس مقاوم یک استراتژی زنجیره مارکوف مونت کارلو است که نمونهبردار گیبس مختصات-محور را با مشخصات مدل مقاوم در برابر دادههای پرت یا دارای توزیع دمکلفت (معمولاً توزیع Student-t برای تابع درستنمایی) ترکیب میکند تا استنباط پسین توسط مشاهدات حدی مخدوش نشود. این روش با استفاده از افزایش داده (data augmentation) به مقاومت دست مییابد: هر مشاهده یک وزن واریانس پنهان دریافت میکند که به طور خودکار در هر دور نمونهبرداری، وزن دادههای پرت را کاهش میدهد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Robust Gibbs Sampling. ScholarGate. https://scholargate.app/fa/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.
- رگرسیون بیزیبیزی↔ compare
- نمونهگیری گیبسبیزی↔ compare
- استنتاج بیزی مقاومبیزی↔ compare
- Markov Chain Monte Carlo (MCMC) مقاومسازی شدهبیزی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →