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.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
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.
- Байесовская регрессияБайесовские методы↔ compare
- Сэмплирование по ГиббсуБайесовские методы↔ compare
- Робастное байесовское оцениваниеБайесовские методы↔ compare
- Робастная цепь Маркова Монте-КарлоБайесовские методы↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →