Solidne próbkowanie Gibbsa
Solidne próbkowanie Gibbsa to strategia Markowa łańcuchowa Monte Carlo, która łączy próbkowanie Gibbsa współrzędnych z rozkładami o grubych ogonach lub odpornymi na wartości odstające — najczęściej z wiarygodnościami Studenta-t — tak, aby wnioskowanie a posteriori nie było zniekształcone przez ekstremalne obserwacje. Osiąga odporność poprzez augmentację danych: każda obserwacja otrzymuje wagę wariancji utajonej, która automatycznie obniża wagę wartości odstających podczas każdego cyklu próbkowania.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Robust Gibbs Sampling. ScholarGate. https://scholargate.app/pl/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.
- Regresja bayesowskaStatystyka bayesowska↔ compare
- Próbkowanie GibbsaStatystyka bayesowska↔ compare
- Solidne wnioskowanie bayesowskieStatystyka bayesowska↔ compare
- Solidne próbkowanie metodą łańcuchów MarkowaStatystyka bayesowska↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →