Bayesian Quantile Regression
Bayesian Quantile Regression estimates the full posterior distribution of regression coefficients at any chosen quantile of the outcome. By combining the asymmetric Laplace likelihood with prior distributions over the coefficients, it delivers uncertainty-quantified estimates of conditional quantiles — such as the median, the 10th, or the 90th percentile — without assuming Gaussian errors.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.