稳健的贝叶斯模型是标准模型的替代品，能够保护数据不受异常值或其他偏离模型假设的数据的影响。从历史上看，稳健模型大多是在个案基础上开发的；示例包括稳健线性回归、稳健混合模型和突发主题模型。在本文中，我们开发了一种鲁棒贝叶斯建模的通用方法。我们展示了如何将现有的贝叶斯模型转换为稳健模型，然后为其开发一种通用的计算策略。我们使用我们的方法研究了几种模型的稳健变体，包括线性回归、泊松回归、逻辑回归和概率主题模型。我们讨论了我们的方法和现有方法之间的联系，特别是经验贝叶斯和詹姆斯·斯坦因估计。