Calcul bayésien approximatif — inférence sans vraisemblance
Le calcul bayésien approximatif (ABC) est une famille de méthodes d'inférence basées sur la simulation qui estiment les distributions a posteriori sans nécessiter de fonction de vraisemblance traitable analytiquement. Introduit par Beaumont, Zhang et Balding (2002) dans le contexte de la génétique des populations, l'ABC a remplacé la vraisemblance intraitable par des simulations de modèle répétées et une comparaison des statistiques récapitulatives entre les données simulées et observées.
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.
+6 more
Sources
- 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 ↗
- Sisson, S.A., Fan, Y. & Beaumont, M.A. (Eds.) (2018). Handbook of Approximate Bayesian Computation. Chapman & Hall/CRC. DOI: 10.1201/9781315117195 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Approximate Bayesian Computation (ABC). ScholarGate. https://scholargate.app/fr/simulation/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 bayésienneStatistique↔ compare
- Chaîne de Markov Monte Carlo (MCMC)Simulation↔ compare
- Simulation de Monte-CarloPrise de décision↔ compare
- Monte Carlo séquentielBayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →