Spatial Approximate Bayesian Computation
Spatial Approximate Bayesian Computation (Spatial ABC) is a likelihood-free Bayesian inference framework for spatial data models whose likelihood function is intractable or too expensive to evaluate. It draws candidate parameters from a prior, simulates spatially structured datasets under those parameters, and accepts only the draws whose simulated spatial summary statistics closely match the observed data, thereby building an approximate posterior over model parameters.
Registro de origen
Citas copiadas textualmente del registro de origen del método. No se infiere ninguna verificación a nivel de afirmación de ellas.
- 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
- Diggle, P. J., & Gratton, R. J. (1984). Monte Carlo methods of inference for implicit statistical models. Journal of the Royal Statistical Society: Series B, 46(2), 193–212. · DOI 10.1111/j.2517-6161.1984.tb01290.x
Afirmaciones curadas
Afirmaciones persistidas en el libro mayor de evidencia, cada una con su propia evaluación.
Esta vista no inventa una evaluación de afirmación si el libro mayor no tiene ninguna.
Métodos relacionados
Generado a partir del grafo de métodos y mostrado como relaciones sugeridas por la máquina; no se infiere ninguna afirmación de evidencia.