דגימת גיבס רובסטית
דגימת גיבס רובסטית היא אסטרטגיית מרקוב-שרשרת-מונטה-קרלו (MCMC) המשלבת את דוגם הגיבס הקואורדינטי-נקודתי עם מפרטי מודל בעלי זנבות כבדים או עמידים לחריגים — לרוב פונקציות נראות (likelihoods) מסוג t-Student — כך שהסקה עַל ההתפלגות הפוסטריורית לא תעוות על ידי תצפיות קיצוניות. היא משיגה עמידות (robustness) באמצעות הגדלת נתונים (data augmentation): כל תצפית מקבלת משקל שונות סמוי (latent variance weight) המפחית אוטומטית את משקלם של חריגים בכל סבב דגימה.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Robust Gibbs Sampling. ScholarGate. https://scholargate.app/he/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.
- רגרסיה בייסיאניתבייסיאני↔ compare
- דגימת גיבסבייסיאני↔ compare
- הסקה בייסיאנית רובסטיתבייסיאני↔ compare
- Markov Chain Monte Carlo (MCMC) רובוסטיבייסיאני↔ compare