Zeitreihen-Approximate Bayesian Computation
Zeitreihen-ABC ist eine Likelihood-freie Bayes'sche Inferenzmethode, die die Posterior-Verteilung von Modellparametern für dynamische oder zeitindexierte Systeme schätzt, indem sie zusammenfassende Statistiken simulierter Trajektorien mit denen der beobachteten Reihe vergleicht, wodurch die Notwendigkeit entfällt, eine analytische Likelihood zu evaluieren. Sie ist besonders wertvoll für komplexe mechanistische oder stochastische Modelle, deren Likelihoods unzugänglich sind.
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
- Toni, T., Welch, D., Strelkowa, N., Ipsen, A. & Stumpf, M. P. H. (2009). Approximate Bayesian computation scheme for parameter inference and model selection in dynamical systems. Journal of the Royal Society Interface, 6(31), 187–202. DOI: 10.1098/rsif.2008.0172 ↗
- Sisson, S. A., Fan, Y. & Beaumont, M. A. (Eds.) (2018). Handbook of Approximate Bayesian Computation. CRC Press. ISBN: 978-1439881507
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Time Series Approximate Bayesian Computation. ScholarGate. https://scholargate.app/de/bayesian/time-series-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
- Dynamische Bayes'sche InferenzBayes-Statistik↔ compare
- Kalman FilterBayes-Statistik↔ compare
- Partikelfilter (Sequentieller Monte-Carlo-Algorithmus)Bayes-Statistik↔ compare
- Sequentielle Monte-Carlo-MethodenBayes-Statistik↔ compare
- Bayessche Inferenz für ZeitreihenBayes-Statistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →