Йерархична приблизителна байесова компютация
Йерархичната ABC е метод за байесова инференция без правдоподобие, предназначен за многостепенни структури на данни, при които параметрите на индивидуално ниво сами се извличат от разпределение на популационно ниво. Чрез комбиниране на базирано на симулации отхвърлящо семплиране с йерархично обединяване, той възстановява както вътрешногруповите, така и междугруповите апостериорни разпределения, без да изисква управляема функция на правдоподобие.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Toni, T. & Stumpf, M. P. H. (2010). Simulation-based model selection for dynamical systems in systems and population biology. Bioinformatics, 26(1), 104–110. DOI: 10.1093/bioinformatics/btp619 ↗
- Wilkinson, R. D. (2013). Approximate Bayesian computation (ABC) gives exact results under the assumption of model error. Statistical Applications in Genetics and Molecular Biology, 12(2), 129–141. DOI: 10.1515/sagmb-2013-0010 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Hierarchical Approximate Bayesian Computation. ScholarGate. https://scholargate.app/bg/bayesian/hierarchical-approximate-bayesian-computation
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.
- Приблизително Байесово изчислениеСимулационно моделиране↔ compare
- Йерархично Бейсианско заключениеБейсови методи↔ compare
- Йерархичен Монте Карло Марковски процесБейсови методи↔ compare
- Последователен Монте КарлоБейсови методи↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →