Bayesian methodsBayesian / computational

Computación Bayesiana Jerárquica Aproximada

La Computación Bayesiana Jerárquica Aproximada (Hierarchical ABC) es un método de inferencia bayesiana sin verosimilitud diseñado para estructuras de datos multinivel en las que los parámetros a nivel individual se extraen a su vez de una distribución a nivel poblacional. Al combinar el muestreo por rechazo basado en simulación con la agrupación jerárquica, recupera las distribuciones posteriores tanto intragrupo como entre grupos sin requerir una función de verosimilitud tratable.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

The neighbourhood of related methods — select a node to explore.

Fuentes

  1. 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
  2. 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

Cómo citar esta página

ScholarGate. (2026, June 3). Hierarchical Approximate Bayesian Computation. ScholarGate. https://scholargate.app/es/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.

Compare side by side
ScholarGateHierarchical Approximate Bayesian Computation (Hierarchical Approximate Bayesian Computation). Recuperado el 2026-06-15 de https://scholargate.app/es/bayesian/hierarchical-approximate-bayesian-computation · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026