线性回归在统计分析中普遍存在。众所周知，当假定误差的经典正态性时，相互冲突的信息源可能会污染推理。轻正常尾部造成的污染源于一种不理想的影响：后部集中在不同来源之间的一个区域，具有足够大的缩放比例，可以将它们全部合并。贝叶斯统计学中的冲突解决理论（O’Hagan和Pericchi（2012））建议通过限制异常值的影响来解决这个问题，以获得与大部分数据一致的结论。在本文中，我们提出了一个具有超重尾错误的模型来实现这一点。我们证明了它是完全稳健的，这意味着随着离群值越来越远离总趋势，离群值的影响逐渐消失。超重型尾翼密度与尾翼外侧的正常密度相似，这就产生了一种有效的估算程序。此外，估算很容易计算。通过详细的用户指南强调了这一点，其中通过模拟案例研究解释了所有步骤。性能通过仿真显示。给出了所有必需的代码。