ScholarGate
Ассистент
Bayesian methodsBayesian / computational

Robust Gibbs Sampling

Robust Gibbs sampling — это стратегия Монте-Карло по методу Марковских цепей, которая сочетает покомпонентный сэмплирующий генератор Гиббса с моделями, имеющими тяжелые хвосты или устойчивыми к выбросам, чаще всего с правдоподобием Стьюдента, чтобы байесовский вывод не искажался экстремальными наблюдениями. Устойчивость достигается за счет аугментации данных: каждое наблюдение получает весовой коэффициент латентной дисперсии, который автоматически снижает вес выбросов во время каждого прохода сэмплирования.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Источники

  1. 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
  2. Chib, S. & Greenberg, E. (1995). Understanding the Metropolis-Hastings algorithm. The American Statistician, 49(4), 327–335. DOI: 10.1080/00031305.1995.10476177

Как цитировать эту страницу

ScholarGate. (2026, June 3). Robust Gibbs Sampling. ScholarGate. https://scholargate.app/ru/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.

Compare side by side
ScholarGateRobust Gibbs Sampling (Robust Gibbs Sampling). Получено 2026-06-15 из https://scholargate.app/ru/bayesian/robust-gibbs-sampling · Набор данных: https://doi.org/10.5281/zenodo.20539026