Regressão Bayesiana por Quantis
A Regressão Bayesiana por Quantis estima a distribuição posterior completa dos coeficientes de regressão em qualquer quantil escolhido do desfecho. Ao combinar a verossimilhança de Laplace assimétrica com distribuições a priori sobre os coeficientes, ela fornece estimativas quantificadas de incerteza de quantis condicionais — como a mediana, o 10º ou o 90º percentil — sem assumir erros Gaussianos.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Quantile Regression. ScholarGate. https://scholargate.app/pt/statistics/bayesian-quantile-regression
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.
- Modelo Linear Generalizado BayesianoEstatística↔ compare
- Regressão Linear Múltipla BayesianaEstatística↔ compare
- Regressão Robusta BayesianaEstatística↔ compare
- Modelo Tobit BayesianoEstatística↔ compare
- Regressão QuantílicaEconometria↔ compare
- Regressão Quantílica RobustaEstatística↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →