Bayesian methodsBayesian / computational
Robust Gibbs Sampling
Robust Gibbs sampling은 좌표별 Gibbs sampler와 중-꼬리(heavy-tailed) 또는 이상치에 강인한(outlier-resistant) 모델 사양(가장 흔하게는 Student-t 우도)을 결합하여, 극단적인 관측치로 인해 사후 추론이 왜곡되지 않도록 하는 마르코프 연쇄 몬테카를로(Markov chain Monte Carlo) 전략이다. 이는 데이터 증강(data augmentation)을 통해 강인성을 달성한다: 각 관측치는 잠재적 분산 가중치(latent variance weight)를 부여받는데, 이는 각 샘플링 스윕(sampling sweep) 동안 이상치를 자동으로 가중치 축소시킨다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust Gibbs Sampling. ScholarGate. https://scholargate.app/ko/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.
- 베이즈 회귀베이지안↔ compare
- 깁스 샘플링(Gibbs Sampling)베이지안↔ compare
- 강건 베이즈 추론베이지안↔ compare
- 강건한 마르코프 연쇄 몬테카를로베이지안↔ compare