Régression Quantile Bayésienne
La régression quantile bayésienne estime la distribution postérieure complète des coefficients de régression à tout quantile choisi de la variable réponse. En combinant la vraisemblance laplacienne asymétrique avec des distributions a priori sur les coefficients, elle fournit des estimations quantifiées de l'incertitude des quantiles conditionnels — tels que la médiane, le 10e ou le 90e centile — sans supposer d'erreurs gaussiennes.
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
- Kozumi, H., & Kobayashi, G. (2011). Gibbs sampling methods for Bayesian quantile regression. Journal of Statistical Computation and Simulation, 81(11), 1565–1578. DOI: 10.1080/00949655.2010.496117 ↗
- Yu, K., & Zhang, J. (2005). A three-parameter asymmetric Laplace distribution and its extension. Communications in Statistics – Theory and Methods, 34(9–10), 1867–1879. DOI: 10.1080/03610920500199018 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Quantile Regression. ScholarGate. https://scholargate.app/fr/statistics/bayesian-quantile-regression
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.
- Modèle bayésien linéaire généraliséStatistique↔ compare
- Régression linéaire multiple bayésienneStatistique↔ compare
- Régression Robuste BayésienneStatistique↔ compare
- Modèle Tobit bayésienStatistique↔ compare
- Régression quantileÉconométrie↔ compare
- Régression quantile robusteStatistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →