Moyennage Robuste de Modèles Bayésiens
Le moyennage robuste de modèles bayésiens (BMA robuste) étend le BMA standard en remplaçant les priors conjugués sensibles par des priors à queues épaisses ou des priors mélange, (par exemple, des mélanges de g-priors), et optionnellement des vraisemblances robustes, de sorte que les probabilités postérieures des modèles et les estimations moyennées restent stables lorsque les données contiennent des valeurs aberrantes, des observations influentes, ou lorsque le prior sur les paramètres du modèle dominerait autrement les résultats.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Bayesian Model Averaging. ScholarGate. https://scholargate.app/fr/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.
- Moyenne Bayésienne de ModèlesBayésien↔ compare
- Régression bayésienneBayésien↔ compare
- Inférence bayésienne hiérarchiqueBayésien↔ compare
- Chaîne de Markov Monte Carlo (MCMC)Bayésien↔ compare
- Inférence bayésienne robusteBayésien↔ compare
- Inférence variationnelleBayésien↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →