Computación Bayesiana Aproximada de Series Temporales
La ABC de series temporales es un método de inferencia bayesiana libre de verosimilitud que estima la distribución posterior de los parámetros del modelo para sistemas dinámicos o indexados por el tiempo, comparando estadísticas resumen de trayectorias simuladas con las de la serie observada, evitando la necesidad de evaluar una verosimilitud analítica. Es particularmente valiosa para modelos mecanicistas o estocásticos complejos cuyas verosimilitudes son intratables.
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., 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
Cómo citar esta página
ScholarGate. (2026, June 3). Time Series Approximate Bayesian Computation. ScholarGate. https://scholargate.app/es/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.
- Computación Bayesiana AproximadaSimulación↔ compare
- Inferencia Bayesiana DinámicaBayesiano↔ compare
- Filtro de KalmanBayesiano↔ compare
- Filtro de Partículas (Monte Carlo Secuencial)Bayesiano↔ compare
- Monte Carlo SecuencialBayesiano↔ compare
- Inferencia bayesiana de series temporalesBayesiano↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →