Approssimazione Bayesiana con Errore di Misura
L'Approssimazione Bayesiana con Errore di Misura (ABC-ME) estende il framework standard ABC privo di verosimiglianza a contesti in cui i dati osservati sono rumorosi o registrati in modo impreciso. Incorporando esplicitamente un kernel di errore di misura nella fase di accettazione, ABC-ME mira alla corretta distribuzione a posteriori sui parametri del modello anche quando il vero processo generatore dei dati non può essere osservato direttamente.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
- Beaumont, M. A. (2010). Approximate Bayesian computation in evolution and ecology. Annual Review of Ecology, Evolution, and Systematics, 41, 379-406. DOI: 10.1146/annurev-ecolsys-102209-144621 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Approximate Bayesian Computation with Measurement Error. ScholarGate. https://scholargate.app/it/bayesian/approximate-bayesian-computation-with-measurement-error
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.
- Approssimate Bayesian ComputationSimulazione↔ compare
- Inferenza Bayesiana con Errore di MisuraBayesiano↔ compare
- MCMC con errore di misurazioneBayesiano↔ compare
- Filtro a particelle (Monte Carlo Sequenziale)Bayesiano↔ compare
- Monte Carlo SequenzialeBayesiano↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →