Robust Gibbs Sampling
Robust Gibbs sampling é uma estratégia de Monte Carlo via Cadeia de Markov (MCMC) que combina o Gibbs sampler coordenada a coordenada com especificações de modelo de caudas pesadas ou resistentes a outliers — mais comumente verossimilhanças de Student-t — de modo que a inferência posterior não seja distorcida por observações extremas. Ele alcança robustez através da aumento de dados: cada observação recebe um peso latente de escala que automaticamente reduz o peso de outliers durante cada varredura de amostragem.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Robust Gibbs Sampling. ScholarGate. https://scholargate.app/pt/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.
- Regressão BayesianaBayesiano↔ compare
- Amostragem de GibbsBayesiano↔ compare
- Inferência Bayesiana RobustaBayesiano↔ compare
- Markov Chain Monte Carlo RobustoBayesiano↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →