Multilevel Approximate Bayesian Computation
Multilevel Approximate Bayesian Computation (multilevel ABC) erweitert die simulationsbasierte Bayes'sche Inferenz auf hierarchisch strukturierte Daten. Wenn die Likelihood intraktabel ist und Beobachtungen in Gruppen verschachtelt sind, ersetzt sie die direkte Likelihood-Auswertung durch Simulationen auf jeder Ebene der Hierarchie und akzeptiert Parameterziehungen, deren simulierte zusammenfassende Statistiken nahe an den beobachteten liegen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Beaumont, M. A., Zhang, W., & Balding, D. J. (2002). Approximate Bayesian computation in population genetics. Genetics, 162(4), 2025–2035. DOI: 10.1093/genetics/162.4.2025 ↗
- Jasra, A., Singh, S. S., Martin, J. S., & McCoy, E. (2012). Filtering via approximate Bayesian computation. Statistics and Computing, 22(6), 1223–1237. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Multilevel Approximate Bayesian Computation. ScholarGate. https://scholargate.app/de/bayesian/multilevel-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.
- Approximate Bayesian ComputationSimulation↔ compare
- Bayesian Hierarchical Model with Missing DataBayes-Statistik↔ compare
- Hierarchische Bayes'sche InferenzBayes-Statistik↔ compare
- Markov Chain Monte Carlo (MCMC)Simulation↔ compare
- Mehrstufige Bayes'sche InferenzBayes-Statistik↔ compare
- Sequentielle Monte-Carlo-MethodenBayes-Statistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →