Approximate Bayesian Computation — Valószínűségmentes Következtetés
Az Approximate Bayesian Computation (ABC) egy olyan szimulációalapú következtetési módszercsalád, amely a posterior eloszlásokat becsli anélkül, hogy analitikusan kezelhető valószínűségi függvényt (likelihood) igényelne. A Beaumont, Zhang és Balding (2002) által a populációgenetika kontextusában bevezetett ABC a nehezen kezelhető valószínűségi függvényt ismételt modellszimulációval és a szimulált, illetve megfigyelt adatok összefoglaló statisztikáinak összehasonlításával helyettesítette.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Approximate Bayesian Computation (ABC). ScholarGate. https://scholargate.app/hu/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.
- Approximate Bayesian ComputationSzimuláció↔ compare
- Bayes-féle következtetésStatisztika↔ compare
- Markov Chain Monte Carlo (MCMC)Szimuláció↔ compare
- MONTE-CARLO-SIMULATIONDöntéshozatal↔ compare
- Szekvenciális Monte CarloBayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →