เปรียบเทียบวิธี

	การถัวเฉลี่ยแบบเบย์ที่แข็งแกร่งของแบบจำลอง (Robust Bayesian Model Averaging)	การอนุมานแบบเบย์ที่คงทน
สาขาวิชา	เบย์	เบย์
ตระกูล	Bayesian methods	Bayesian methods
ปีกำเนิด	1999–2012	1984–1990
ผู้ริเริ่ม	Hoeting, Madigan, Raftery, Volinsky (BMA); robustness extensions by Ley & Steel and others	James O. Berger
ประเภท	Bayesian model selection and averaging	Bayesian sensitivity / robustness framework
แหล่งต้นตำรับ	Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–401.	Berger, J. O. (1990). Robust Bayesian analysis: sensitivity to the prior. Journal of Statistical Planning and Inference, 25(3), 303–328.
ชื่อเรียกอื่น	robust BMA, outlier-robust BMA, robust model averaging, heavy-tailed BMA	Bayesian sensitivity analysis, prior robustness, epsilon-contamination Bayesian analysis, robust Bayes
ที่เกี่ยวข้อง	6	6
สรุป	Robust Bayesian model averaging extends standard BMA by replacing sensitive conjugate priors with heavy-tailed or mixture priors (e.g., mixtures of g-priors), and optionally robust likelihoods, so that posterior model probabilities and averaged estimates remain stable when data contain outliers, influential observations, or when the prior on model parameters would otherwise dominate the results.	Robust Bayesian inference extends standard Bayesian analysis by replacing a single prior distribution with a class of plausible priors and examining how much the posterior conclusions change across that class. Instead of committing to one prior, the analyst bounds the posterior quantity of interest, revealing whether findings are stable or critically dependent on prior assumptions.