Надійний вибір Гіббса
Надійний вибір Гіббса — це стратегія Марковських ланцюгів Монте-Карло, яка поєднує по координатний вибір Гіббса з розподілами з важкими хвостами або стійкими до викидів моделями — найчастіше з правдоподібностями Стьюдента t — так, щоб апостеріорний висновок не спотворювався екстремальними спостереженнями. Він досягає надійності шляхом доповнення даних: кожне спостереження отримує ваговий коефіцієнт прихованої дисперсії, який автоматично зменшує вплив викидів під час кожного циклу вибірки.
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
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Robust Gibbs Sampling. ScholarGate. https://scholargate.app/uk/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.
- Байєсівська регресіяБаєсові методи↔ compare
- Гіббсівський відбір (Gibbs Sampling)Баєсові методи↔ compare
- Робастне байєсіанське висновуванняБаєсові методи↔ compare
- Робастний Марковський ланцюг Монте-КарлоБаєсові методи↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →