Robuszt Bayes-féle modellátlagolás
A robuszt Bayes-féle modellátlagolás (Robust Bayesian model averaging, BMA) kiterjeszti a standard BMA-t érzékeny, konjugált prior eloszlások helyett vastagfarkú vagy keverék prior eloszlások (pl. g-prior keverékek) használatával, opcionálisan robusztus likelihood függvényekkel kiegészítve, így a posterior modellvalószínűségek és az átlagolt becslések stabilak maradnak, ha az adatok kiugró értékeket, befolyásoló megfigyeléseket tartalmaznak, vagy ha a modellparaméterekre vonatkozó prior eloszlás egyébként is túlsúlyba kerülne az eredményekben.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Robust Bayesian Model Averaging. ScholarGate. https://scholargate.app/hu/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.
- Bayes-féle modellátlagolásBayes-statisztika↔ compare
- Bayes-féle RegresszióBayes-statisztika↔ compare
- Hierarchikus Bayes-féle következtetésBayes-statisztika↔ compare
- Markov-lánc Monte Carlo (MCMC)Bayes-statisztika↔ compare
- Robusztus Bayes-i következtetésBayes-statisztika↔ compare
- Variational InferenceBayes-statisztika↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →