Robust Gibbs Sampling
Robust Gibbs sampling on on Markov chain Monte Carlo (MCMC) -strategia, joka yhdistää koordinaattikohtaisen Gibbs-otantamenetelmän raskassärkkiin tai poikkeamia kestävien mallien määrittelyihin – yleisimmin Studentin t-todennäköisyysfunktioihin – siten, että posteriorijakauman päättely ei vääristy äärimmäisten havaintojen vuoksi. Se saavuttaa robustisuuden datan augmentoinnin avulla: jokaiselle havainnolle annetaan latentti varianssipaino, joka automaattisesti vähentää poikkeamien vaikutusta jokaisella otantakierroksella.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Robust Gibbs Sampling. ScholarGate. https://scholargate.app/fi/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.
- Bayesilainen regressioBayesilainen tilastotiede↔ compare
- Gibbs-otantaBayesilainen tilastotiede↔ compare
- Robustin Bayesiläinen päättelyBayesilainen tilastotiede↔ compare
- Robust Markov Chain Monte CarloBayesilainen tilastotiede↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →