Hierarchikus Approximatív Bayes-i Számítás
A hierarchikus ABC egy valószínűség-mentes Bayes-i következtetési módszer, amelyet több-szintű adatszerkezetekhez terveztek, ahol az egyéni szintű paraméterek maguk is egy populációs szintű eloszlásból származnak. A szimuláció-alapú elutasításos mintavételezés és a hierarchikus összesítés kombinálásával mind a csoporton belüli, mind a csoportok közötti utólagos eloszlásokat állítja helyre anélkül, hogy kezelhető valószínűségi függvényre lenne szükség.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Hierarchical Approximate Bayesian Computation. ScholarGate. https://scholargate.app/hu/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.
- Approximate Bayesian ComputationSzimuláció↔ compare
- Hierarchikus Bayes-féle következtetésBayes-statisztika↔ compare
- Hierarchikus Markov-lánc Monte CarloBayes-statisztika↔ compare
- Szekvenciális Monte CarloBayes-statisztika↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →