Надійне байєсівське усереднення моделей
Надійне байєсівське усереднення моделей розширює стандартне БУМ, замінюючи чутливі спряжені апріорні розподіли на розподіли з важкими хвостами або сумішеві апріорні розподіли (наприклад, суміші g-апріорних розподілів) та, за бажанням, надійні функції правдоподібності, щоб апостеріорні ймовірності моделей та усереднені оцінки залишалися стабільними, коли дані містять викиди, впливові спостереження або коли апріорний розподіл на параметри моделі інакше домінував би над результатами.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Robust Bayesian Model Averaging. ScholarGate. https://scholargate.app/uk/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.
- Байєсівське усереднення моделейБаєсові методи↔ compare
- Байєсівська регресіяБаєсові методи↔ compare
- Ієрархічний байєсівський висновокБаєсові методи↔ compare
- Метод Монте-Карло на основі ланцюгів Маркова (MCMC)Баєсові методи↔ compare
- Робастне байєсіанське висновуванняБаєсові методи↔ compare
- Варіаційний висновокБаєсові методи↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →