Approximate Bayesian Computation yang Kuat (Robust Approximate Bayesian Computation)
Robust ABC memperluas Approximate Bayesian Computation standar untuk menangani pencilan (outlier), spesifikasi model yang salah (model misspecification), dan sensitivitas terhadap pilihan statistik ringkasan. Dengan mengganti ukuran jarak konvensional dengan alternatif yang kuat — seperti skor komposit, statistik yang dipangkas (trimmed statistics), atau kemungkinan sintetis (synthetic likelihoods) — ia melindungi inferensi posterior agar tidak terdistorsi oleh observasi atipikal atau simulator yang tidak sempurna.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Ruli, E., Sartori, N. & Ventura, L. (2016). Approximate Bayesian computation with composite score functions. Statistics and Computing, 26(3), 679–692. DOI: 10.1007/s11222-015-9551-z ↗
- Frazier, D. T., Drovandi, C. & Nott, D. J. (2020). Robust Approximate Bayesian Inference with Synthetic Likelihood. Journal of Computational and Graphical Statistics, 30(4), 958–976. DOI: 10.1080/10618600.2021.1875839 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Robust Approximate Bayesian Computation. ScholarGate. https://scholargate.app/id/bayesian/robust-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.
- Perhitungan Bayesian AproksimatifSimulasi↔ compare
- Inferensi Bayesian dengan Kesalahan PengukuranBayesian↔ compare
- Filter Partikel (Monte Carlo Sekuensial)Bayesian↔ compare
- Inferensi Bayesian RobustBayesian↔ compare
- Inferensi Variasional RobustBayesian↔ compare
- Monte Carlo SekuensialBayesian↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →