Hierarkkinen approksimatiivinen Bayes-laskenta
Hierarkkinen ABC on todennäköisyysfunktiosta riippumaton Bayes-päättelymenetelmä, joka on suunniteltu monitason tietorakenteille, joissa yksilötason parametrit on itsessään poimittu populaatiotason jakaumasta. Yhdistämällä simulaatiopohjaisen hylkäysotannan hierarkkiseen yhdistelyyn se palauttaa sekä ryhmän sisäiset että ryhmien väliset posteriorijakaumat vaatimatta käsiteltävissä olevaa todennäköisyysfunktiota.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Hierarchical Approximate Bayesian Computation. ScholarGate. https://scholargate.app/fi/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.
- Approksimatiivinen Bayesilainen LaskentaSimulointi↔ compare
- Hierarkkinen Bayesiläinen päättelyBayesilainen tilastotiede↔ compare
- Hierarkkinen Markovin ketju -Monte CarloBayesilainen tilastotiede↔ compare
- Sekventiaalinen Monte CarloBayesilainen tilastotiede↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →