Hierarchické Approximate Bayesian Computation
Hierarchické ABC je metoda bayesovské inference bez věrohodnostní funkce (likelihood-free) navržená pro vícestupňové datové struktury, kde parametry na úrovni jednotlivců jsou samy vybrány z distribuce na úrovni populace. Kombinací simulací založených na metodě výběru s hierarchickým sdružováním (pooling) obnovuje jak posteriorní distribuce v rámci skupin, tak mezi skupinami, aniž by vyžadovala vyčíslitelnou věrohodnostní funkci.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Hierarchical Approximate Bayesian Computation. ScholarGate. https://scholargate.app/cs/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.
- Aproximované bayesovské počtySimulace↔ compare
- Hierarchické Bayesovské odvozováníBayesovská statistika↔ compare
- Hierarchické vzorkování Markovovým řetězcem Monte CarloBayesovská statistika↔ compare
- Sekvenční Monte CarloBayesovská statistika↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →