Calcul bayésien approximatif hiérarchique
L'ABC hiérarchique est une méthode d'inférence bayésienne sans vraisemblance conçue pour les structures de données multiniveaux dans lesquelles les paramètres au niveau individuel sont eux-mêmes tirés d'une distribution au niveau de la population. En combinant l'échantillonnage par rejet basé sur la simulation avec la mise en commun hiérarchique, elle permet de récupérer les distributions postérieures intra-groupe et inter-groupes sans nécessiter de fonction de vraisemblance traitable.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Hierarchical Approximate Bayesian Computation. ScholarGate. https://scholargate.app/fr/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.
- Calcul bayésien approximatifSimulation↔ compare
- Inférence bayésienne hiérarchiqueBayésien↔ compare
- Chaîne de Markov Monte Carlo hiérarchiqueBayésien↔ compare
- Monte Carlo séquentielBayésien↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →