Approximate Bayesian Computation mit fehlenden Daten

Approximate Bayesian Computation (ABC) mit fehlenden Daten erweitert das Framework der „likelihood-free“ Methoden auf Szenarien, in denen Beobachtungen unvollständig oder nur teilweise erfasst sind. Durch die Simulation von Daten unter einem postulierten Modell und die Akzeptanz von Parameterschätzungen, deren simulierte zusammenfassende Statistiken nahe an den beobachteten liegen, umgeht man die Notwendigkeit, eine nicht handhabbare Likelihood zu evaluieren – selbst wenn einige Datenwerte fehlen.