Bayesian methodsBayesian / computational

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.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

Sources

  1. Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–401. link
  2. 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.

Compare side by side
ScholarGateRobust Bayesian Model Averaging (Robust Bayesian Model Averaging). Consulté le 2026-06-15 sur https://scholargate.app/fr/bayesian/robust-bayesian-model-averaging · Jeu de données : https://doi.org/10.5281/zenodo.20539026