Gibbs Sampling Robusto
Il Gibbs sampling robusto è una strategia Markov chain Monte Carlo che abbina il campionatore di Gibbs coordinata-per-coordinata con specifiche di modello a code pesanti o resistenti agli outlier — più comunemente verosimiglianze di Student-t — in modo che l'inferenza posteriore non sia distorta da osservazioni estreme. Raggiunge la robustezza tramite l'aumento dei dati: ogni osservazione riceve un peso di varianza latente che riduce automaticamente il peso degli outlier durante ogni passaggio di campionamento.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Robust Gibbs Sampling. ScholarGate. https://scholargate.app/it/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.
- Regressione BayesianaBayesiano↔ compare
- Gibbs SamplingBayesiano↔ compare
- Inferenza Bayesiana RobustaBayesiano↔ compare
- Markov Chain Monte Carlo RobustoBayesiano↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →