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.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
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.
- Computación Bayesiana AproximadaSimulación↔ compare
- Inferencia Bayesiana JerárquicaBayesiano↔ compare
- Cadena de Markov Monte Carlo JerárquicaBayesiano↔ compare
- Monte Carlo SecuencialBayesiano↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →