การถัวเฉลี่ยแบบเบย์ที่แข็งแกร่งของแบบจำลอง (Robust Bayesian Model Averaging)
การถัวเฉลี่ยแบบเบย์ที่แข็งแกร่งของแบบจำลอง (Robust Bayesian model averaging) เป็นการขยาย BMA มาตรฐาน โดยแทนที่ prior แบบ conjugate ที่อ่อนไหวด้วย prior แบบ heavy-tailed หรือแบบผสม (เช่น mixtures of g-priors) และอาจใช้ likelihood ที่แข็งแกร่ง เพื่อให้ความน่าจะเป็นของแบบจำลองภายหลัง (posterior model probabilities) และค่าประมาณที่ถัวเฉลี่ยแล้วยังคงเสถียรเมื่อข้อมูลมีค่าผิดปกติ (outliers) การสังเกตการณ์ที่มีอิทธิพล (influential observations) หรือเมื่อ prior ของพารามิเตอร์แบบจำลองมีอิทธิพลเหนือผลลัพธ์
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–401. link ↗
- Ley, E., & Steel, M. F. J. (2012). Mixtures of g-priors for Bayesian model averaging with economic applications. Journal of Econometrics, 171(2), 251–266. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Bayesian Model Averaging. ScholarGate. https://scholargate.app/th/bayesian/robust-bayesian-model-averaging
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.
- การเฉลี่ยแบบจำลองแบบเบย์ (Bayesian Model Averaging - BMA)เบย์↔ compare
- การถดถอยแบบเบย์ (Bayesian Regression)เบย์↔ compare
- การอนุมานแบบเบย์ตามลำดับชั้นเบย์↔ compare
- Markov Chain Monte Carlo (MCMC)เบย์↔ compare
- การอนุมานแบบเบย์ที่คงทนเบย์↔ compare
- การอนุมานแบบแปรผันเบย์↔ compare