Spatial Approximate Bayesian Computation
Spatial Approximate Bayesian Computation (Spatial ABC) is a likelihood-free Bayesian inference framework for spatial data models whose likelihood function is intractable or too expensive to evaluate. It draws candidate parameters from a prior, simulates spatially structured datasets under those parameters, and accepts only the draws whose simulated spatial summary statistics closely match the observed data, thereby building an approximate posterior over model parameters.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
- Diggle, P. J., & Gratton, R. J. (1984). Monte Carlo methods of inference for implicit statistical models. Journal of the Royal Statistical Society: Series B, 46(2), 193–212. · DOI 10.1111/j.2517-6161.1984.tb01290.x
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.