Robustinen Bayes-mallien keskiarvoistus
Robustinen Bayes-mallien keskiarvoistus (BMA) laajentaa standardia BMA:ta korvaamalla herkät konjugaattipriorit paksupyrstöisillä tai sekoituspriorilla (esim. g-priorien sekoitukset) ja valinnaisesti robustilla uskottavuusfunktiolla, jotta posterioriset mallitodennäköisyydet ja keskiarvoistetut estimaatit pysyvät vakaina, kun aineisto sisältää poikkeavia havaintoja, vaikutusvaltaisia havaintoja tai kun malliparametrien priori muuten hallitsisi tuloksia.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–401. link ↗
- Ley, E., & Steel, M. F. J. (2012). Mixtures of g-priors for Bayesian model averaging with economic applications. Journal of Econometrics, 171(2), 251–266. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Robust Bayesian Model Averaging. ScholarGate. https://scholargate.app/fi/bayesian/robust-bayesian-model-averaging
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.
- Bayesiläinen mallikeskiarvoistusBayesilainen tilastotiede↔ compare
- Bayesilainen regressioBayesilainen tilastotiede↔ compare
- Hierarkkinen Bayesiläinen päättelyBayesilainen tilastotiede↔ compare
- Markov-ketju-Monte Carlo (MCMC)Bayesilainen tilastotiede↔ compare
- Robustin Bayesiläinen päättelyBayesilainen tilastotiede↔ compare
- VariaatioinferenssiBayesilainen tilastotiede↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →